• 通用機器人模型是終極目標：Chelsea Finn 共同創辦 Physical Intelligence，做的是能跨場景、跨任務的通用機器人模型，而非單一任務的專用系統，類比語言模型從特定任務走向通用。
  • 真實數據 > 模擬數據：機器人學習需要大量真實操作數據；工業自動化的重複數據雖多卻缺乏多樣性，學不會摺衣、備餐這類日常任務。
  • 物體多樣性是最大挑戰：抓取、折疊各種形狀材質的物體遠比看起來難，真實世界的物理變異讓訓練充滿失敗——但也正是從失敗迭代才有突破。
  • 語言模型技術遷移到機器人：把預訓練、從示範學習等 LLM 概念引入，已讓 PI 在摺衣等複雜任務取得顯著進展。
  • 通用模型比垂直專用更有潛力：像 GPT-4 對工程師的幫助遠超專用模型，通用機器人有望比逐一建垂直方案更高效。
原始影片：Chelsea Finn at YC AI Startup School

這場我最大的收穫，一句話：真正難的問題，突破口常常不是「更努力」，而是「去別的領域抄一個對的配方」。 Chelsea Finn 的摺衣服機器人就是活教材——他們卡在 0% 成功率整整三個月，翻盤靠的是把大語言模型的訓練配方搬過來。

為什麼我這樣看？拆成三點給你。

一、她賭的不是「摺衣服機器人」，是「會摺衣服的通用機器人」

過去解一個機器人應用，等於開一整間公司：物流一間、廚房一間、手術一間，各自做硬體、寫客製軟體、處理一堆邊界情況，每個都從零開始。所以機器人公司很多，真正進到日常的很少。Finn 共同創辦的 Physical Intelligence 賭另一條路：一個通用模型，讓任何機器人在任何環境做任何任務。

你今天要做寫程式助手，不會專門為「寫程式」訓練一個模型，而是拿一個在海量資料上訓練的大模型來用。機器人為什麼不行？

這個定位選擇，是後面一切的前提：他們要的是可遷移的底層能力，不是一招一式。

二、翻盤的關鍵，是抄 LLM 的「預訓練 + 精選微調」

他們挑的試金石是從烘衣機拿衣服、摺好。先做單一品牌尺寸的襯衫，幾個月內成功；一旦把衣服改成皺成一團，整個垮掉。

很多次測試，我們整體成功率是 0%，真的很難取得任何進展。

記憶、訓練更久、換控制空間、加階層……試了兩三個月沒一個有用。真正的突破不是機器人專屬奇技，而是一個從語言模型搬過來的配方：先在所有資料上預訓練，再用一小撮高品質、一致的示範資料微調。 效果很具體：摺五件衣服從 20 分鐘 → 12 → 9 分鐘；接進一個 30 億參數的開源視覺語言模型後，連沒看過的衣服都能摺。中間還有個小到不行卻換來四倍的決定：擋住擴散頭的梯度、別洗掉模型原本聽語言的能力，聽指令成功率從 20% 跳到 80%。

這一點就是我那句結論的最強證據——他們不是更拼，是借對了配方。

三、連「泛化」和「誠實」都是同一套邏輯

同樣的思路延伸到「沒去過的家也能work」：他們收 100 多個房間的資料，但這種移動操作資料只佔預訓練的 2.4%，就足夠讓機器人在三間沒去過的 Airbnb 裡關櫃子、收碗盤、擦灑出來的東西。瓶頸已經不在「收更多資料」，而在把可靠度做更高。

而且她很誠實：成功率 80%，意思就是有兩成在出包。她直接播失敗片段——機器人被叫去把鏟子放進抽屜，結果把烤箱當抽屜打開硬塞。這種報憂讓前面那些漂亮數字變得可信。

我的 takeaway

我每次卡關都會懷疑是不是方向錯了，而這場提醒我：有時候你不是方向錯，是還沒找到那個從別的領域借來的配方。她的配方是「預訓練 + 精選微調」，借自 LLM。我下次卡住，會先問一句——這個問題，有沒有人在別的領域已經解過、我可以抄？

想看摺衣服機器人本人和那些失敗片段，原片在這：Chelsea Finn at YC AI Startup School。