李飞飞高徒黄文龙：具身智能需“脑内搜索”革命

AI 摘要

在2026年悉尼RSS大会上，斯坦福大学李飞飞实验室的黄文龙提出具身智能应转向“反事实推理”与“脑内搜索”，而非依赖海量演示数据。他介绍了Point-World模型，利用3D点云流和Transformer实现零样本物理模拟，仅需15小时3D交互数据配合2D预训练即可获得高保真预测能力。该研究为机器人实现递归自我改进和自主获取新行为提供了新路径。

正文节选

0 作者丨岑峰 在 AGI 的数字版图里，大语言模型仅靠“读遍互联网文本”就拼凑出了通往智能的通途。这种由 Scaling Law 带来的暴力美学，让整个具身智能行业在过去两年里陷入了一种盲目的“数据崇拜”：人们坚信，只要像训练大模型一样，喂下数以百万小时的视频，机械臂就能在物理世界中无所不能。 而在2026 年的悉尼 RSS 大会，AI科技评论注意到，越来越多的研究者开始讨论，物理世界的数据获取具有时间和空间的“不可逆性”——文本可以被瞬间复制亿万次，但机械臂抓取一次杯子，在物理时空中就必须实打实地消耗数秒。更致命的是长尾效应：摩擦、形变、流体……人类根本不可能通过穷举法，去收集齐机器人面临的所有场景。 来自斯坦福大学李飞飞实验室的 黄文龙（Wenlong Huang），在“Data-Centric Robotics”主题Workshop的演讲中给出了一个“降维打击”式的解法：抛弃对海量“演示数据”的死记硬背，转向“反事实推理”与“脑内搜索”。 作为近年具身智能领域的明星学者，黄文龙的名字此前因 VoxPoser 和 ReKep 两篇里程碑式的论文而广为人知。在这两项研究中，他利用大

发布时间：2026-08-19 14:11

抓取时间：2026-08-19 16:29

来源机构：雷峰网