【十字路口】“我看到了 Scaling Law 的信号" | 对谈清华叉院助理教授徐梦迪：具身智能、世界模型、真正的泛化【视频播客】

摘要

本期節目邀請到徐夢迪，探討具身智慧中的「在情境學習 (ICL)」。她分享如何讓機器人透過少量互動快速適應新環境，並指出當前通用大模型在具身應用上的潛力與挑戰。

Guest Xu Mengdi discusses embodied AI's 'in-context learning' (ICL), enabling robots to adapt quickly via few interactions. She highlights the potential of general-purpose models in embodied applications and the challenges of quality and interpretability. She believes embodied AI will see a clear范式転…

重點

• 徐夢迪研究讓機器人透過少量互動快速適應新環境的「在情境學習」技術。
• 她指出當前通用大模型在具身應用上潛力巨大，但也面臨品質與可解釋性的挑戰。
• 她認為具身智慧未來三到五年將出現明確的正規化轉變與技術突破。

章節

依話題轉折切分，標題由 AI 產生

1. 00:00徐夢迪：從機械設計到具身智慧的跨界之路
2. 06:43垃圾回收與車輛工程：童年積累對科研的啟示
3. 12:03泛化與適應：從預訓練到上下文學習的突破
4. 17:01Algorithm Distillation 與模型引數的意義
5. 22:43Simulation 資料生成：從蛋糕切割到日常工具
6. 26:54從單一 Benchmark 到十年視野的戰略思考
7. 36:42博士生涯的十字路口：工業界與學術界的抉擇
8. 39:49適應與泛化的平衡：從硬體到系統的全景視角
9. 43:12環境選擇與自我成長：最大化個人潛力的關鍵
10. 46:22從興趣到行動：將宏觀熱度轉化為具體實踐
11. 55:24科研路徑的十字路口：迴流與自由度的重新定義
12. 1:06:00Scaling Law 的泡沫與訊號：從資料到世界模型的演變
13. 1:08:52即時互動的挑戰：巨聲模型與實時反應的差距
14. 1:15:42Imitation Learning 的本質：從專家資料到演算法蒸餾的歸納

提到的工具與公司

• ChatGPT
• Gemini
• MAML
• ICL
• Generalist

適合誰看

對具身智慧、機器人學習、AI 應用趨勢感興趣的技術研究者與產業人士。

摘要依據

依據

語音轉文字

為什麼排在這裡

人氣

0.46

新鮮

0.96

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• EP 44.【AI年终特辑3】具身智能深度对话：从学术到产业，机器人的ChatGPT时刻来了吗？Podcast ・ OnBoard! ・ 1 小時 51 分（在新分頁開啟原站）
• 【十字路口】当具身智能走到十字路口｜和苏度、蚂蚁灵波、自变量、破壳：四种一线判断【视频播客】影片 ・ Koji杨远骋 ・ 43 分鐘
• Vol.125｜世界模型更底层的东西：为什么机器人要先学会「因果」Podcast ・ 开始连接 LinkStart ・ 1 小時 11 分（在新分頁開啟原站）
• E206｜临近机器人GPT-3时刻，具身智能开源模型的加速演进Podcast ・ 硅谷101 ・ 1 小時 11 分（在新分頁開啟原站）
• EP 55. 对话UCSD副教授苏昊：从学术到创业，深度解读具身智能的实现路径Podcast ・ OnBoard! ・ 1 小時 48 分（在新分頁開啟原站）
• 于是转身向具身走去｜对话王家伟：24 岁的具身智能首席科学家Podcast ・ 十字路口Crossing ・ 1 小時 10 分