DoNews8月11日消息，據(jù)42號(hào)電波報(bào)道，8 月 9 日，宇樹科技創(chuàng)始人兼 CEO、CTO 王興興在 2025 世界機(jī)器人大會(huì)上發(fā)表演講，演講中，王興興接連拋出炸裂觀點(diǎn)，包括自己對(duì)于時(shí)下熱門的 VLA 模型的看法。
王興興認(rèn)為，在政策和市場(chǎng)需求的不斷促進(jìn)下，人形機(jī)器人整機(jī)與零部件廠商平均實(shí)現(xiàn)了 50%-100% 的大幅增長(zhǎng)。并且人形機(jī)器人行業(yè)已經(jīng)走到「ChatGPT 時(shí)刻」的前夜，最快 1-2 年就能迎來這一時(shí)刻。
但王興興表示，行業(yè)發(fā)展仍然存在幾大誤區(qū)，主要包括以下幾個(gè)方面。
具身智能完全跟不上
王興興認(rèn)為，機(jī)器人目前沒有大規(guī)模應(yīng)用的原因，不是因?yàn)橛布恍?。目前的機(jī)器人硬件，不管是整機(jī)還是靈巧手，完全是夠用的。
現(xiàn)在最大的問題在于具身智能的發(fā)展完全跟不上，這是限制當(dāng)前機(jī)器人，尤其是人形機(jī)器人大規(guī)模的應(yīng)用的關(guān)鍵。
不過現(xiàn)在整個(gè)行業(yè)處于 ChatGPT 誕生前的 1-3 年左右，業(yè)界已經(jīng)發(fā)現(xiàn)了類似的方向以及技術(shù)路線，但是沒人把它做出來。
在機(jī)器人 AI 技術(shù)上，他認(rèn)為臨界點(diǎn)應(yīng)該是：當(dāng)人形機(jī)器人能夠做到進(jìn)入完全陌生的環(huán)境后，可以順暢自主地完成類似「把這瓶水帶給某位觀眾，或是整理一下這個(gè)房間」的指令任務(wù)時(shí)，那就真正迎來了人形機(jī)器人的 ChatGPT 時(shí)刻。
對(duì)此王興興表示，如果進(jìn)展順利，未來的 1-2 年或者 2-3 年就能實(shí)現(xiàn)這一目標(biāo)，最慢的話 3-5 年也有很大概率可以實(shí)現(xiàn)。
數(shù)據(jù)被過分關(guān)注，對(duì) VLA 保持懷疑
在整個(gè)機(jī)器人行業(yè)多數(shù)團(tuán)隊(duì)都在為數(shù)據(jù)發(fā)愁的情況下，王興興表示，機(jī)器人數(shù)據(jù)被過分關(guān)注了，現(xiàn)在最大的問題是模型，并不是數(shù)據(jù)問題。對(duì)于具身智能和機(jī)器人來說，模型架構(gòu)都還不夠好，也不夠統(tǒng)一。
很多團(tuán)隊(duì)認(rèn)為只要有了足夠多和足夠好的數(shù)據(jù)，就可以把模型訓(xùn)練的越來越好，實(shí)則不然，一些情況下即便有了數(shù)據(jù)，數(shù)據(jù)也是用不起來的。
所以，王興興表示：「我個(gè)人對(duì) VLA 模型還是保持一個(gè)比較懷疑的態(tài)度。」
他認(rèn)為，現(xiàn)在的 VLA 模型是一個(gè)相對(duì)比較傻瓜式的架構(gòu)，在和真實(shí)世界交互時(shí)，它的數(shù)據(jù)質(zhì)量、能采集的數(shù)據(jù)是不太夠用的。宇樹在嘗試 VLA 模型加 RL 訓(xùn)練后，還是不夠，所以，模型架構(gòu)需要再升級(jí)和優(yōu)化。
