做机器人创业，应该为每个场景构建专用模型，还是开发一个通用模型？ 斯坦福大学助理教授、Physical Intelligence公司联合创始人Chelsea Finn坚定地选择了后者。她认为，通用模型不仅比专 用模型更有效、更易用，还能像语言模型那样实现"一次训练，处处部署"，从根本上解决机器人行业无法规模化的困 境。 2025年6月，在旧金山AI创业学校的演讲中，这位曾在MIT、UC Berkeley和Google Brain深耕机器学习的研究者，分享了 Physical Intelligence如何验证这一理念： 不要迷信数据规模，高质量、多样化的真实机器人数据才是关键。 工业自动化有海量重复数据却无法教会机器人折衣 服，YouTube视频再多也存在人机差异。Chelsea团队通过远程操作收集真实的机器人操作数据，最令人惊讶的是：仅用 2.4%的多样化环境数据，就能让机器人在完全陌生的Airbnb中工作。 面对0%成功率不要放弃，从其他领域借鉴成熟方法往往能带来突破。 当机器人完全无法折叠褶皱衣物时，团队从NLP 借鉴了"预训练-微调"策略：先在全部数据上预训练，再用精心筛选的高质量演示数据微调。这个简单 ...

AI Robotics 是我们长期关注的赛道之一，通用机器人是 AGI 从数字世界走向物理世界的重要路径， 而 robot foundation model 要做的就是给机器人构建一个大脑，从软件角度实现机器人的通用能力。 在 AI robotcis 的主题下，Physical Intelligence 是我们最为关注的公司之一。 PI 被视为是机器人领域的 OpenAI，是所有机器人公司中 research 水平和人才密度最高的团队，团队 的核心目标是开发通用机器人的 foundation model，今年 2 月，PI 开源了通用模型 π0 的代码和权 重，2 月 26 日，PI 又推出了 Hi Robot，能够将 π0 等VLA 模型纳入一个分层推理过程。 编译：haozhen 编辑：Siqi 本篇内容是我们对 PI 核心创始人 Chelsea Finn 最新观点的编译理解。围绕 π0 和 Hi Robot，Chelsea Finn 分享了机器人是如何实现泛化？她认为，数据人就是关键中的关键，并且一定要获取更多样化 的机器人数据，而不仅仅只关注数据的质量，最终的目标是扩大真实机器人数据的规模。 同时，C ...