第一视角视频教机器人学物理常识
推荐指数 73.0 NO. 022 · 2026.05.19
upvotes129comments1
为什么值得看
PhysBrain 1.0 用人类第一视角视频生成物理常识监督信号，补足了机器人轨迹数据覆盖不足的短板。在具身控制任务上达到 SOTA，为 VLA 模型的数据瓶颈提供了新解法。
媒体预览
编辑判断
之前 VLA 模型的物理常识主要靠仿真环境或人工标注，成本高且泛化差。PhysBrain 的思路是蹭人类日常视频的「免费监督」——你摔杯子、拧瓶盖、推门的视频里全是物理规律。
跟 UniPi、RT-X 这些依赖机器人本体数据的路线比，这是条更廉价的 scaling law。但关键问题是：人类视频到机器人动作的映射 gap 有没有真正解决，还是只在特定任务上做了微调适配。
论文提到「capability-preserving adaptation」，建议重点看消融实验里冻结了哪些层、人类视频占比多少。如果 70% 以上数据来自视频而非真实轨迹，这个方法的工程价值会高很多。