Pi 的崛起与研究定位
Physical Intelligence（简称 Pi）是一家成立仅两年、估值已超五十亿美元的硅谷机器人公司，被业界寄望成为机器人领域的 Open AI。其核心聚焦于“机器人大脑”的研发，而嘉宾柯丽一鸣（K）正是该公司强化学习方向的研究员，也是多篇关键论文的作者之一。在 Pi 的技术演进路径中，Pi 零强调“能力”，Pi 零点五聚焦“泛化”，而最新公开的Pi 零点六星则突出“表现”。值得注意的是，由于访谈时间较早，Pi 零点七尚未纳入讨论范围。Pi 的开源模型策略受到全球机器人团队的高度关注，其研究思路与技术细节也构成了本次访谈的核心内容。
我其实一直很想做的就是机器人可以造自己，我觉得这个是机器人发展的一个可能会是一个里程碑吧，因为它就像一个种族是有延续性的，是可以通过自我的一种繁殖。
第一篇是派零，它的关键词应该就是能力；第二篇是派零点五，它的关键词是泛化。嗯，然后最近的这篇是派零点六星。它的关键词是啊，表现。
研究者与创作者的双重身份
柯丽一鸣不仅是一位机器人研究者，业余时间还是一名科幻小说作者。他坦言，做机器人和写小说在本质上都依赖创造力与执行力：前者需要在任务完成度不足时提出新方法，后者则需将尚未被讲述的故事具象化。这种双重身份也深刻影响了他对技术与社会关系的思考——他尤其关注生产力变革如何重塑人类生活与人际关系，并尝试在小说中探讨：当机器人接管大量重复劳动后，人该做什么？在高度自动化的未来社会中，人与人、人与机器之间的信任与责任边界又将如何演变？
他指出，当前 AI 与智能体虽已能辅助编程、信息筛选甚至医疗咨询，但责任归属与信任机制仍高度依赖人类。例如，AI 删除邮件或推荐治疗方案时，用户仍会主动交由人类专家复核——这说明：“谁能够承担责任，才会建立一个信任”。这种现实约束也反向框定了当前具身智能的发展边界。
我这个人因为之前是独狼玩家嘛，所以会就畅想一些就是非常适合独狼玩家的一些生存方式，比如说像嗯。田园牧歌啊，就一个人的这种乡村生活啊……
未来社会的协作图景与人性底色
柯丽一鸣对人机关系的畅想既现实又富诗意：短期内，机器人将承担如修水管、家务等“不想做的事”；长期来看，若技术足够成熟，一个人可指挥一支机器人团队完成过去需人类团队协作的复杂项目。他甚至设想，在未来千年的视角下，我们今日的“原始社会”特征，可能正是缺乏个体级高生产力工具——而机器人将赋予每个个体以国家级别的制造与组织能力。
他特别提到，生产力跃迁可能松散化人际协作：当 AI Agent 可替代中间沟通环节（如跨部门协调、信息同步），人与人之间的直接联系或趋于减少；但作为内向者，他仍珍视“洞穴式”的独处空间，并强调“人终究是社会性动物”——独处是能量恢复方式，而联结是存在本质。这种张力也映射在他对人机恋爱、二次元文化等现象的接纳态度中：技术不会改变人性底层逻辑，只会重构其表达形式。
在AI这个时代，在机器人马上就要，呃，进入我们的生活的这个时代，你觉得人会发生什么变化？人和人之间的关系会发生什么变化？而且现在不是人和人之间关系，还有人和机器人之间的关系会发生什么变化？
信任与责任：智能体尚未被赋予的权限
在当前阶段，人类对智能体的信任仍处于演化初期，尚未达到可完全授权的程度。核心原因在于：责任归属机制尚未建立——如果人类专家无法对智能体的行为承担实质责任，信任便难以成立。柯丽一鸣指出，在人类社会中，“谁能够承担责任，才会建立一个信任”，而目前智能体所能承担的责任仍非常有限。此外，当前机器人能力也存在明显局限。行业内部甚至流传着一个经典笑话：我们每天让机器人把红色方块放到蓝色方块上，而这件事对三岁小孩来说轻而易举，我们却花了五年读博去训练它，结果可能还不如一个十岁孩子。人类的学习速度极快，相比之下，机器人在泛化能力、迁移能力上仍有巨大鸿沟。这些因素共同导致：在当下节点，我们尚无法相信智能体能与人类形成真正意义上的“对立面”关系。
我肯定还是要把它带到一个人类专家的面前去跟他确认，因为我不觉得……他是能够承担责任的。
人类的学习速度是非常快啊，对，所以我觉得这三点因素导致了，在我看现在的智能体，我是不太相信它能够在现在这种节点上做到跟人类的对立面这种。
竞赛启蒙：从芜湖到硅谷的成长路径
柯丽一鸣的成长轨迹，是一条典型的“竞赛改变命运”路径。她出生于安徽芜湖——一个教育资源远逊于一线城市的地级市，但幸运的是，当地有一位极具影响力的信息学竞赛老师江涛。这位老师因早年事故失去双手，却毅然投身教育，系统性地构建了城市的信息学竞赛培养梯次体系，包括类似奥数班的“信息学奥赛班”。柯丽一鸣八岁开始接触编程，最初只是出于“可以玩电脑”的纯粹兴趣，却在无意中打下了扎实基础。她使用的入门语言是Logo，图形化界面让编程变得像画画一样有趣；后来读到一本中学生C语言教材，成为她“这辈子唯一认真读完的编程教材”——教材用讲故事的方式讲解递归等概念（如“灯神许愿”），使编程原理自然内化于思维之中。
大学阶段她经历了两次转专业：从心理学起步，再转经济学，最终回归计算机。她坦言心理学虽有趣，但“解决问题不够直接”；经济学帮助理解世界，却无法回答“我想在世界中做些什么”。最终，计算机因其强工具性与问题导向性，成为她最契合的选择。她强调，竞赛经历并未剧烈改变其性格，但以“润物细无声”的方式塑造了思维方式——编程带来的逻辑训练与问题拆解能力，远比竞赛本身影响深远。
我就是一个竞赛班里面就是中等。我喜欢的事情就多学，不喜欢的事情就少学的那种学生。
叛逆与安全：青春期的自我塑造与社会认知
柯丽一鸣自评是“看起来很乖，但实际上很叛逆”的小孩。小学第一天因被嘲笑板寸头而大哭，到毕业时已成为被称作“柯姐”的“学校大姐大”——她解释这种转变源于一种“路见不平一声吼”的正义感，尤其对教育资源分配不公高度敏感。她指出，安徽考生考入清华北大比例极低（约万分之三到四），远低于大城市（如北京可达万分之八十），这种结构性差距让她在出国后深有感触。她并非传统意义上的“卷王”，自认在竞赛班中仅属中等水平，对同窗的专注与努力充满敬意。
她最叛逆的行动之一是高二独自赴东南亚背包旅行，并为此剪短发、扮男孩以提升安全感。她坦言，这种“伪装成男生”的策略，源于对女性在公共空间中潜在风险的清醒认知——社会新闻与集体叙事让女生常处于“易受侵害的预设位置”。她强调，这种选择并非消极退缩，而是主动寻求实现目标的“最轻松方便又好用的方法”。这段旅程没有明确目的，却成为她思想与人生路径的关键转折点，加速了她决定出国留学的进程。
我就是一个竞赛班里面就是中等。我喜欢的事情就多学，不喜欢的事情就少学的那种学生。
升学困境与叛逆的转向
在高中阶段，作者对传统升学路径产生了强烈的疏离感。她坦言在同班同学中自认“就是一个渣渣”，处于一种不上不下的状态；即便想提升成绩，也因不认同学校任务的意义而提不起劲头。她对数学、物理等逻辑性强的学科抱有热情，能享受其中；但对生物、化学这类偏记忆的科目则感到吃力，成绩始终难以突破。当老师、家长反复劝她“补短板、冲一冲”时，她反问：“我为什么要加油？为什么要补这个短板？为什么要冲一冲？”这种对教育目标的根本性质疑，使她难以通过常规升学进入清华北大等顶尖高校。
与此同时，她进入了一段高度叛逆的时期——在别人备战高考时，她沉迷小说与游戏。一次偶然接触《雨血》这款游戏，成为她人生的重要转折点。她被其古龙式武侠世界的纯粹情绪与中二台词深深击中，惊叹于它对“爱恨情仇定格在最浓瞬间”的沉浸式还原。更关键的是，她发现游戏主创Sofram E竟是清华大学毕业生，这让她意识到：即使走上非主流道路，科班出身依然是值得仰望的路径。但因对中科大“离家太近”的抵触，以及受《雨血》 creator赴耶鲁留学的启发，她与家人商量后，在高二中途果断转向留学路线。
‘我也是一个古龙的粉丝嘛，所以它就是一种想象中的一种社会的一种剪影……它有很多人的爱恨情仇都定格在最浓的那一瞬间，所以在游玩这个故事场景的时候，会得到一种非常大的心理满足。’
‘你还可以在游戏里经营餐馆，你可以体验很多不同的人生。所以我觉得这个是capture了一种，就是如果我去成为一个武侠是什么感觉。’
文化冲击与自我重塑
赴美求学带来了剧烈的文化冲击，也促成了她性格的重塑。她指出，此前在国内相对稳定的社会环境中，人际关系是“太稳定了，以后你其实感觉不到它的存在”；而出国后，她不得不重新思考自己在新社会中的定位，开始有意识地解读他人言语背后的意图，并调整表达方式。这种环境剧变反而让她首次客观审视自身性格与原生社会结构——她坦言：“我对我性格的自我认知，很多时候是到了不同的环境冲击下才得以显现的。”
此外，美国高校强调presentation能力与领导力表达，鼓励学生通过阐述梦想凝聚团队。这对原本内向的她构成挑战，却也倒逼她走出舒适区：“乍一到了这个环境以后，就有一种，哎，没办法，只能多说点话了。”她最终实现了从“不爱说话”到“能顺畅交流”的转变，印证了环境对个体成长的塑造力。
‘我觉得中国在这个轴上，可能是相对而言，在当时是最百花齐放的。那美国和英国呢？我觉得英国可能在这条轴上相对而言是最保守的，而美国是有一些保守，但是都到硅谷来了，大家好像又抛弃了之前的那些旧的东西，在这里又开始开创新的东西。’
从博弈论到人工智能：偶然中的必然
本科阶段，作者在经济学专业学习中逐渐意识到：传统经济分析（如跑报表）无法满足她“把别人做不到的事做到”的成就感需求。大一便主动出击，在竞争激烈的美国高校环境中，凭借高中竞赛经历与早期参与软件开发的微小成果，成功进入计算机实验室实习——这在当时极为罕见。
她幸运地遇到首位学术导师李博（现为芝大教授、硅谷创业者）。导师选择她的关键原因，是她虽主修经济，却对博弈论有浓厚兴趣；而课题“对抗式机器学习”正需要博弈思维。她由此产出第一作者论文并成功发表，为后续博士申请奠定基础。
她将博弈论的核心思想概括为：在对抗中寻找纳什均衡，并通过机制设计引导系统走向社会最优解。这一逻辑不仅适用于市场竞争，也完美映射到2016年前后兴起的生成对抗网络（GAN）：生成器如“做假钞者”，判别器如“验钞者”，二者在对抗中共同进化，最终生成以假乱真的图像。她指出，博弈论如今已深度融入AI安全、类人推理与生成机制等前沿方向。
‘写小说是我创造的一种宣泄的方式，而做现在这一行人工智能做研发，可能是对我这个人追求效率的一种体现吧。’
‘我发现自己真正想做的这种工作的成就感，有很大一部分来源于，就是我把一个别人做不到的事情做到了，或者说别人做这个事情，我做得更好。’
从理论到应用：我的学术路线转变
我的人工智能研究始于博士阶段——本科虽写过一篇论文，但真正系统性投入是在读博之后。入学时，我第一篇论文聚焦博弈论，因此最初以为自己走的是理论机器学习路线；但随着研究深入，逐渐发现自己更倾向应用导向的研究，于是转向了机器人方向。
在机器人领域，我的研究主线是从模仿学习起步，最终落脚于强化学习。模仿学习的核心在于：当人类或系统已掌握某项任务时，提供示范样本，学习者通过拟合样本来复现行为；但随着研究推进，我意识到这种“照抄”方式难以实现真正的创新与突破，尤其在面对开放性、未知性任务时存在天然局限。相比之下，强化学习强调自主探索与策略优化，通过与环境的交互不断突破原有性能上限——这种“自己找路、自己爬高”的机制，与我性格中追求主动突破的部分高度契合。因此，我目前的研究重心已全面转向强化学习。
“如果你永远只是在照抄别人的话，你其实不能够……不能够有创新啊，不能够有突破啊。”
“强化学习更强调的是怎么样通过你自己的这个探索去突破原来的这个表现，去把这个上限推得更高？”
传统派实验室里的“异类”：数据驱动的探索
2017年左右，机器人领域仍以传统控制与路径规划为主流范式。主流方法强调“先规划、再执行”的线性流程：先由专家设计分步策略（如第一步抓取、第二步移动），再通过精密控制确保每一步准确执行——这种思路高度依赖专家经验，也符合人类直觉。
而我因出身机器学习背景，开始思考：能否让机器人像人类一样，从数据中直接习得智能，而非依赖人为制定规则？ 这一想法在当时属于“小众中的小众”：我所在的实验室虽属CMU传统派系（强调全栈能力——从硬件搭建、动力学建模到路径规划、控制实现），但整个组内仅我一人从事数据驱动的机器人研究；我的导师虽主攻传统方法，却展现出难得的开放态度：他既提醒我“很多任务已有更优解，需先学习前人成果”，也鼓励我大胆提出机器学习新思路，在持续的“对抗式讨论”中厘清价值边界。
这种培养模式让我对机器人系统的全链条（上游硬件→下游算法）建立了扎实认知，虽非深度专精，但足以支撑跨模块协作。更重要的是，导师让我深刻认同了机器学习的终极使命之一：让专家从系统中间环节消失——即通过数据驱动，使机器具备自主学习与适应能力。
“他给了我很好的这个台阶，让我去在他基础上去学习。”
机器人江湖的族谱与硬件现实
从历史脉络看，机器人研究可追溯至20世纪70年代末卡耐基梅隆大学（CMU）机器人研究所的建立——其标志性的“感知→决策→行动”闭环范式，奠定了现代机器人学基础。CMU衍生出多个重要分支：
- 操纵系（Manipulation）：以Matt Mason为祖师爷，他提出“灵巧性在于大脑而非硬件”，其学生Srinivasan（我的导师）延续此思想，研究如机器人酒保等任务；
- 生物启发机器人：Mason的学生Sangbae Kim转向生物形态研究，后在MIT开发Mini Cheetah，成为现代机械狗奠基人；
- 极致控制派：Mark Raibert（Mason同期）创立波士顿动力，以高性能电机突破物理限制，实现全球首个后空翻机器人，极大拓展了技术想象边界。
与此同时，机器学习派系则以MIT的Marvin Minsky为早期奠基者，2010年代后由Andrew Ng（吴恩达）的在线课程普及入门，Peter Abbeel（吴恩达博士生）成为首个将机器学习系统引入机器人领域的先驱；其学生Sergey Levine进一步推动强化学习在机器人中的规模化应用——如今Levine已是Pi的创始人，而我正与其合作开展强化学习研究。
硬件成本曾是机器人研究的重大门槛：2017年，一台Shadow Hand售价约50–100万美元，Barrett三指手超10万美元，维修费用动辄数万；相比之下，Franka Emika虽被称作“最便宜”的协作臂，当时仍需数万美元——这使得机器人领域长期“烧钱、小众、高门槛”。而今中国硬件价格已降至万元级，Franka被中国公司收购后，未来或有更亲民版本出现。
“你在这边买一个机器人要多少钱？……一返厂就是十几万没了。”
Sergey Levine与Chelsea Finn：Pi的学术与创业双核
Sergey Levine 是 Pi（Physical Intelligence）的创始人之一，也是该领域的核心推动者。他最初在图像图形（Graphics）方向完成博士学位，并在 Peter Beale 实验室做博士后时转向强化学习与机器人研究。这一跨界转型体现了他强烈的自主探索精神——从一个领域转向另一个领域，往往源于清晰的愿景与内在驱动力。Sergey 在 Pi 主导多项强化学习研究，其团队产出极丰，是将强化学习系统性引入机器人领域的关键人物。
Chelsea Finn 与 Sergey 的学术关系密切：她曾是 Sergey 的博士后合作者，两人后来共同创立 Pi。他们不仅在学术上高度同频，在公司内部也频繁深度协作。Chelsea 是 Pi 中数据驱动方法的重要推动者，尤其在 Pi Zero 项目中主导了大量任务设计与数据收集策略，展现出极强的工程直觉与任务判断力。
有趣的是，Sergey 是一名重度科幻迷，Pi 多篇论文中引用的科幻作品几乎都出自他手；他亦被同事戏称为“Cirque GPT”——在 ChatGPT 横空出世前，伯克利内部已流行将论文初稿发给他，由他“润色”后返回高质量版本，其效率与质量远超早期大模型。而 Chelsea 则以高度自律著称：每天四点起床游泳，生活与工作极具规划性；她对机器人动作行为的直觉性理解极深，常能快速判断任务可行性，是典型的“动物性直觉型”研究者。
Sergey 自己PhD学的其实不是机器人，是Graphics……转型到另外一个领域，肯定是有很多你的想法。
在这个人工智能Chat GPT出现之前，Berkeley的人就已经用上了Cirque GPT……它也不能和Sergey GPT在论文修改方面相提并论。
多派系并起：机器学习机器人生态的多元图谱
当前机器人研究已形成百花齐放的格局，除 Pi 一脉外，还有多个重要学术流派持续输出影响力。
以 Jiajun Wu（飞飞）为代表的斯坦福-伯克利系培养出大量人才，如朱玉可与金范，现均在英伟达领导 Gear Lab，聚焦机器人算法与系统落地；宋书然（前树软组成员）则在 diffusion policy 等方向做出奠基性工作，其团队开发的 ACT 与 ALOHA 系列开源项目深刻影响了当前机器人学习范式。
CMU 学派亦不可忽视，代表人物包括 Abhinav Gupta 与 Deepak Pathak。Abhinav 是一位极具创造力的“野生型”思想者，早年便提出让机器人自主户外采集数据以突破数据瓶颈，甚至设想用五美元夹杆设备实现数据自动化采集——这一构想与如今的 UMI（Universal Manipulation Interface）高度相似。Deepak 则以好奇心驱动的强化学习研究闻名，后与 Abhinav 共同创立 Scale AI 旗下机器人公司，致力于构建“全身智能”的通用大脑。
他做的东西是有一种，就是几乎野生般的说，就是将来最后可能还真就是个形态这种感觉。
我们就是这个杆儿去收这个数据。跟现在的优米有异曲同工之妙。
范式之争与实用主义转向：从模型到落地的范式迁移
机器人研究历史上存在显著的范式更迭：早期以控制、规划、SLAM 为代表的“传统派”占据主导，强调物理建模与可解释性；而当前以机器学习（尤其是强化学习与模仿学习）驱动的“新派”正快速成为主流。这一转变的核心驱动力是实用性与可扩展性。
传统方法虽能实现高精度控制（如波士顿动力的后空翻），但依赖大量工程师反复调试参数，投入产出呈线性关系，新任务迁移成本极高；而机器学习方法通过端到端优化，大幅降低对建模知识的依赖，使非专家也能定义任务并获得可行解——这正是 Pi 所倡导的“让信息流动更轻松”的理念。
访谈者本人亦受此张力影响：导师出身传统派，强调“优雅”与“保障”，批评黑盒方法缺乏物理理解；而他则更倾向“黑猫白猫，抓到老鼠就是好猫”的实用主义路径，相信在当下时间点选择最可能落地的技术才是关键。他认为，未来机器人交互将从专家专属走向大众自然交互，而机器学习正是实现这一愿景的必经之路。
我们的目标就是让很多不懂这些前置知识的人都能把这个任务做成。
我不太相信传统方法里面，我觉得我们就用传统方法就够了……我觉得这个是大家其实是比较有共识的。
从前面这个控制或者叫传统派别跳到了这个机器学习的派别……现在好像是主流这一波最流行的是机器学习机器人。
我觉得身在此山中很难讲清楚……差不多就是疫情那会儿吧，第二、第三年的时候。
派系分野：操控系 vs. 机器学习派
在机器人研究中，存在两种主流路径：操控系（control-based）与机器学习派（learning-based）。前者强调对物理世界的精确建模，依赖对摩擦力、关节误差、动力学参数等细节的深入理解；后者则倾向于通过数据驱动的方式绕过显式建模，让算法从经验中自动学习策略。这种差异导致：操控系机器人往往在特定任务上表现更稳定，但泛化能力有限；而机器学习方法虽具强泛化潜力，却常被质疑‘什么都做不好’。
作者指出，机器学习真正开始成为主流，大约是在疫情第二、三年（约2021–2022年）。他本人于2018年加入实验室后，从理论研究转向真机实践，亲手组装了第一台“筷子机器人”，并完成从驱动开发、系统搭建到建模的全流程。这一尝试不仅验证了低精度硬件+高精度控制策略的可行性，也推动了实验室整体研究范式的转变——当一个人成功用非理想平台完成高难度任务时，团队其他成员也开始主动探索机器学习在各自项目中的应用可能。
‘我虽然用这么一条不是很准的一个机器人，但如果我做一个人去摇操纵这个机器人的话，它再不准，我都能让他做到筷子夹小球……只要它的操纵算法是和我一样聪明的，它就应该能用这个筷子去夹起这个小球。’
‘你想做就做一个非常难成功的东西，把它做成功，我觉得剩下的就可能就是一些工程问题。’
筷子机器人：从模仿学习到强化学习的跃迁
作者选择“筷子”作为研究载体，源于一个核心理念：若算法能在极难操作的工具上取得成功，则其泛化能力值得信赖。筷子仅有两个自由度、无视觉反馈闭环、对微小力控要求极高，是典型的“高难度操作问题”。他与导师打赌：只要控制算法足够智能，即使硬件存在 backlash、跳仓等非理想因素，也能完成‘夹小球’任务。2018–2019年间，该工作率先以模块化模仿学习方案实现——依赖外部视觉定位小球，再通过精细轨迹规划完成夹取。
然而，作者很快意识到：人工操纵提供高质量示范数据成本过高，违背了“让机器自主探索”的初衷。于是研究重心转向强化学习，目标是让机器人在真实环境中反复试错、自我优化，最终实现超越人类示范的表现。其标志性成果是：在晃动小球（甚至玻璃球）的动态场景中稳定夹取，精度远超常规机器人学习任务。这一过程被类比为奥运冠军的训练逻辑——策略需适配机体特性，并通过持续练习形成‘肌肉记忆’，对机器而言即强化学习的策略-价值迭代过程。
‘我们要让它自己去探索去发现，怎么样超越我给它的这些数据，让它做得更好。’
‘要想做好一件事情，尤其是这种动作性的事情，你确实就得适配，搞出一个策略，它最适合你的这个机体，并且就不断的锻炼你的机体，让你就是刻出一个肌肉记忆嘛。对人来说，对机器学习来说，我觉得其实就是一个强化学习的过程。’
价值观碰撞与学科融合趋势
尽管机器学习已成主流，传统派与学习派之间仍存在隐性价值观冲突：前者重工程严谨性与物理建模，后者重数据效率与泛化能力。作者指出，传统派的质疑——如‘机器学习终点是万金油却无一专长’——并非过时偏见，而是极具建设性的科学关切，至今仍是领域核心挑战：在工业场景（如汽车装配）中，传统方法的鲁棒性与效率仍难以被学习方法全面超越。
有趣的是，地域分布并非派系绝对分野：西海岸（斯坦福、伯克利）因靠近硅谷，机器学习氛围更浓；东海岸（MIT、CMU）传统派根基更深，但近年也出现大量交叉学者。更关键的趋势是：全球顶尖机器人研究者正加速向硅谷聚集，反映出现实工程挑战对跨学科协作的迫切需求。
引用Berkeley学者Gitanjra的名言：“Robotics is far too important to be left for roboticists”，作者强调：机器人成功不能仅靠单一学科，而需视觉、大模型、硬件、控制、甚至产业链的深度协同。他特别提到一位从机器学习转向电机研究的学者，在博客中感谢CMU传统派教授对其工程实践的指导——这正印证了两种范式正在走向互补而非替代。
‘Robotics is far too important to be left for roboticists.’
传统派专家与学术创业者的融合
在机器人领域，“传统派”并非过时标签，而是深厚工程经验与系统性洞察的代名词。许多从业者长期深耕硬件转换、多轮工程迭代，积累了大量实战经验；当他们进入学术或创业环境时，往往能带来极具价值的系统思维。例如，一位机器学习背景的研究者在研究电机时，曾公开感谢卡内基梅隆大学（CMU）多位传统派教授的指导——这体现了跨学派知识融合的现实可行性。当前硅谷涌现出一批新兴机器人公司，如Pi、Scale、Figure、One X、Dyna等，其中Pi与Scale尤为突出：二者均带有浓厚的学术创业基因，创始人多为高校教授或高产研究员，核心愿景是构建面向具身智能的通用大模型“机器人大脑”。
“暴论就是你如果能把 pick and place 这么一个拿放的问题解决，你可以把整个生活中所有的家务都干掉。”
“如果你是一个认认真真真的想把事情干成的机器学习的一个学者的话，你真得造自己的硬件，因为市面上没有一家是真的拿来就能用，完美符合了你所想要的应用场景。”
各派系的技术路线与商业取向分化
Pi与Scale虽同属学术创业阵营，但技术侧重点已有明显分化：Pi更聚焦双臂操纵任务，将“抓取与放置”视为解决家庭自动化的核心突破口；而Scale则在人形与四足机器人的移动性上投入更多资源，尽管其当前操控能力仍显初级。其他公司则呈现更多元路径：Figure成立于2022年，创始人虽非技术出身，却凭借商业直觉切入人形机器人赛道；One X由深耕电机领域的团队创立，主打“神驱”人形方案；Dyna创始人兼具技术与创业背景，强调快速落地与商业部署，其叠衣服演示即为典型场景。2023–2025年被视作机器人创业“井喷期”，其背景与ChatGPT引爆AI热潮、大厂调整机器人投入（如谷歌缩减机器人部门）密切相关——大量人才流出，催生了Generous AI与Sunday Robotics等新势力。
这两家新锐公司共同点在于高度依赖Umi数据采集范式：即通过人类佩戴定制化机械爪，在真实环境中采集动作数据，并验证其可迁移至机器人端。Generous AI倾向工业场景，而Sunday则更强调家用友好性，甚至在外观设计上追求“可爱感”。值得注意的是，尽管多数公司自称“大脑公司”，但硬件能力正成为关键分水岭：特斯拉凭借造车积累，在硬件研发上具备显著先发优势；Figure与One X已形成完整人形平台；而Generous、Sunday乃至Dyna，也正逐步向软硬一体化演进。有观点指出，真正的硬件成熟标志是：能稳定部署于家庭环境、支持远程运维且长期可靠——这仍是行业尚未跨越的门槛。
大厂战略差异与行业文化图景
大厂在机器人领域的布局亦各具特色：特斯拉以极致人形信仰为核心，强调“终极形态”，连手部设计都视为必要组件；谷歌则将机器人嵌入Gemini多模态大模型生态，视其为空间感知与控制能力的物理延伸；英伟达的逻辑更直白——为算力服务，其世界模型等项目虽显“粗暴”，却屡被验证为有效路径，印证了“数据+算力”在部分场景下的普适性。这种差异也反映在团队文化中：传统机器人学者更关注单条数据的物理细节（如动作轨迹、硬件环境），而大模型背景的研究者则倾向宏观信息补全与系统泛化。有趣的是，行业文化亦充满个性印记：波士顿动力创始人Mark以“花衬衫”形象闻名，其叛逆精神延续至今；而AI先驱Abbeel则以跳跃性思维著称，其学生王小龙等已成长为新一代领军人物。受访者坦言，自己更欣赏小说家与游戏设计师的创造性，而机器人研究则是一种“吸纳众人之长的优化过程”——工作与生活在此被清晰区隔，人文故事属于生活，技术攻坚属于工作。
研究文化与组织差异：开放性与保密性的张力
在机器人研究生态中，不同机构呈现出显著的文化分野。柯丽一鸣指出，Pi（Physical Intelligence）是一个相对独特的存在——它保留了较强的学术基因，鼓励成员发表论文、公开演讲、参与学术讨论，且办公室安保相对宽松，允许外部同行参观交流，从而促进思想碰撞。相比之下，其他公司普遍更为封闭，尤其在硬件层面，出于商业保密考虑，技术细节极少对外披露；但值得注意的是，软件同样高度保密，并非硬件独有此特性。这种差异不仅体现在物理空间管理上，更反映在研究价值观上：Pi试图在工业界复现学术界的开放精神，而多数企业则将研究视为产品开发的前置环节，更强调保密性与落地效率。
‘派应该算是一个比较独特的地方，就是在这里我们还是有一些学术界的影响，觉得要嗯，发论文、讲啊、发表啊，也是你研究的一个部分。’
‘甚至包括派的办公室也没有那么严的安保，就是有的时候就可以带一些同行的朋友去看一看，跟大家介绍一下，就这种思想的碰撞。’
人形 vs 非人形：实用派与狂野派的双重信仰
关于机器人形态的争论，可大致分为人形派与非人形派两大阵营，而后者内部又可细分为实用派与狂野派。柯丽一鸣自认是“实用派加狂野派”的混合体：实用层面，她认为机器人未必需人形即可高效完成现实任务，当前阶段更应聚焦能力、操控性等核心指标；狂野层面，她认同一种演化式信念——若某形态足够有用，人类社会终将为其重构环境（如同为汽车修建公路），甚至可突破生物演化限制，探索如四臂、多轮、模块化可重构等非自然构型。她尤其强调动态组装性的潜力：未来成熟机器人或将像工具一样，随时更换身体部件以适配任务需求。
‘可能有一种信仰是说，如果真的是一个有用的一种形态的话，大家将来会为了这个形态去改变你所生在的生存的这个环境，比如说适配。’
‘也许就一个成熟的机器人的形态，就是它的动态组装性，就有可能将来的机器人它就随时随地都可以把自己的身体的一个部件给换掉，换成一个更适合的东西，就像它的工具一样。’
通用大脑的定义：跨构型泛化能力才是核心
针对“通用大脑”这一概念，Pi采取了超越单一构型的视角。柯丽一鸣澄清：通用大脑并非指‘人形机器人用的大脑’，而是指‘能适配多种构型（人形、轮式、四足、双臂等）的控制中枢’。其本质类比人类——人脑可无缝操控汽车、挖掘机或自身双腿，泛化能力的关键在于控制逻辑的抽象性与可迁移性，而非任务复杂度本身。她进一步指出：用简单构型完成高难度任务，反而更利于迁移到人形系统，因为复杂构型虽提供更多自由度，但简单系统若能达成同等性能，说明控制策略更具鲁棒性与可扩展性。Pi的模型确实在多形态数据上训练，并部署于不同机器人平台，体现了其“大脑通用、构型自由”的设计哲学。
‘我作为一个人类，我去要操纵一个机械，我不管是开车、开挖掘机，或者是去去操纵这个这个腿怎么踢，或者说这个一个机械手它怎么去。做这件事情，我都是由一个我的大脑去操纵这么多不同的构型。’
Frontier的困境：评估缺失导致前沿模糊
当前机器人领域的“前沿”（frontier）之所以难以界定，核心在于评估体系的严重滞后。与NLP等已有标准化基准的领域不同，机器人任务必须在物理世界中运行才能验证效果，而物理世界存在无穷尽的扰动变量：光照、背景、物体位置、支撑面形态（桌子/柱子）、角度偏差等——每一个都可能显著影响模型表现。这导致评估成本高昂、结果难以复现，也使得各公司内部评估标准不一、不可比。柯丽一鸣认为，这种“无英雄榜、无共识榜单”的状态是暂时的，未来当模型足够鲁棒后，评估难题或将自然消解；但现阶段，算法表现与系统集成能力仍是可见的前沿指标，而整个领域仍处于“百花齐放、尚未收敛到主干道”的探索期。
‘在机器人这边呢，就是更加糟糕的一点，就是你还得在机器人上跑，你才能知道它做了一个什么事儿，你才能给它打分。’
Pi的主线研究：能力→泛化→表现的演进路径
Pi的研究主线可通过其三篇核心论文清晰勾勒：Pi Zero（2024年初）聚焦‘能力’，首次验证大模型用于机器人控制的可行性；Pi Zero.5 强调‘泛化’，探索模型在未见场景中的迁移能力；最新发布的 Pi Zero.6 Star 则锚定‘表现’，追求更高精度与鲁棒性。其标志性成果包括叠衣服与叠纸箱——两项此前被认为“不可能在真实世界中稳定完成”的操作任务。Pi Zero 在2024年11月发布的叠衣服演示，因其前所未有的自然性与成功率，成为领域内标志性突破。这些工作不仅展示技术能力，更体现了Pi“从0到1验证可行性，再向1到N推进泛化与落地”的务实研究节奏。
‘叠衣服是一个让人比较耳目一新，就之前从来没有看到过这种级别的这个任务的表现。’
‘叠箱子叠纸盒子也是一个哇，这个东西真的能做吗？我们不知道，我们来做一做看。’
Pi零：大模型能力的首次突破性验证
在2024年初派（Pi）创立之初，团队的目标是完成此前被认为‘做不到’的任务，而Pi零正是这一愿景的首次实践。它完成了三个极具挑战性的任务：叠衣服、叠纸箱（叠箱子）和bushing任务（在杂乱桌面上抓取、放置高度多样化的物体）。其中，叠衣服任务在2024年11月发布，其表现令学界耳目一新——这是前所未有的高难度柔性物体操作；叠箱子则进一步挑战了机器人对刚性、轻质、易变形物体的操控极限；而bushing任务则要求模型在前所未有的物体多样性下仍保持稳定表现。这三个任务共同构成了一个关键里程碑：证明了大模型足以支撑机器人完成过去‘想都不敢想’的复杂物理任务。
‘我觉得我们应该是在二零二四年发表，二零二四年十一月的叠衣服是一个让人比较耳目一新，就之前从来没有看到过这种级别的这个任务的表现。’
‘叠箱子叠纸盒子也是一个哇，这个东西真的能做吗？我们不知道，我们来做一做看。’
Pi零点五：泛化能力的系统性探索
如果说Pi零验证了大模型在特定任务上的表现力，那么Pi零点五则聚焦于泛化性（generalization）这一机器学习的根本问题：模型能否从训练域（in-domain）迁移到未见场景（out-of-domain）？团队意识到，若模型仅能在单一家庭或办公室环境中工作，其应用价值将极为有限。因此，Pi零点五以“开放世界泛化模型”为名，首次在真实家庭环境（如Airbnb租住的房屋）中收集数据，而非受控实验室场景。他们共收集了约100个家庭的数据，并通过逐步剔除部分家庭测试模型表现，发现性能随数据量增长趋于饱和——这意味着泛化能力存在一个‘临界数据规模’，无需覆盖全球所有家庭即可实现有效部署。
‘你其实是有一个数字儿，你可能收到那个以后就可以了。就是我们觉得这个是泛化比较令人振奋的，就是你in distribution这个数据内是有一个。尺寸的达到这个尺寸，其实或许就够了。’
‘Pi零和Pi零点五的科幻小说的引用吧，我不记得这个只有Circuit知道。’
Pi零点六：从泛化到精进——强化学习驱动的自我进化
Pi零点六标志着研究重心从‘能否做’转向‘能否做好’：当模型已具备基础能力时，如何通过强化学习（RL）实现性能跃升？该版本由强化学习团队主导，核心贡献在于提出一种简洁而高效的方法：让机器人自主探索并收集真实体验数据（即‘自己做的数据’），再反馈至训练池中迭代优化。相比传统依赖人工遥控采集的‘固定手臂数据’，这种方式显著提升了数据多样性与成本效益——尤其当机器人硬件成本下降后，人工管理成本成为数据收集的主要瓶颈，而自主数据采集可大幅缓解此问题。
团队还深入探讨了‘错误数据’的价值：机器人在失败后修正路径的过程，恰恰提供了关键的鲁棒性训练信号。尽管仿真数据成本低、可规模化，但针对叠衣服等涉及复杂物理交互（如摩擦、粘滞）的任务，当前仿真器仍难以真实建模，真机数据仍是不可替代的‘黄金标准’。最终，Pi零六验证了自主数据采集+强化学习的闭环路径，为通用机器人智能体的发展提供了方法论基石。
‘如果有一个智能体，它差不多可以在一个任务上做了的话，你就去收集它的体验数据，让它在真实世界中去收集它的体验，把这个数据放回它的训练池中，它其实可以达到比之前、比你之前那些固定手的数据更好的效果。’
‘黑猫白猫抓到老鼠就是好猫，什么数据真的好用就相信谁，而且是一个practically的好用。’
评估指标与任务定义：从抽象目标到可量化标准
在评估Physical Intelligence（Pi）系列模型时，团队面临的核心问题是如何将“目标”转化为可量化的数字指标。Pi-0.6 Star中引入的“Support”指标便是一个典型尝试：它衡量在固定时间内任务的成功率与完成效率，这与团队一贯强调的“任务完成度+耗时”双重标准高度契合。该指标背后的理念是：一个机器人不仅要“做对”，还要“做快”——这不仅是工程优化问题，更触及大模型能否真正理解人类意图这一根本挑战。任务成功与否的定义本身也经过反复打磨，因为机器人执行过程中存在大量隐含语义，如何确保模型不偏离用户本意，仍是开放性研究课题。
“我们能不能做一个机器人，比这些数据收集员其实说东西要快、要好？……在笛伊夫这个任务上确实是clearly达成了，机器人的表现是超越了他一开始的这个人，即使是最好的数据设计员的这个起点。”
“你人手能完成的话，机器人能不能完成？我觉得这是一个非常好的一个活动。”
关键研究突破：动作表达优化与分层任务规划
Pi从0到0.5的演进中，有两项研究极具启发性：其一是Fast，它从大模型训练角度出发，探索动作的最优表达空间。传统扩散策略（diffusion policy）采用固定动作表示方式，而Fast提出可学习的动作编码空间——在此空间中，大模型预测性能显著提升，并附带方法论保障，属于基础性突破。其二是Hi Robot，它首次系统性提出分层任务规划架构：针对长时任务中机器人易迷失的问题，设计一个高层次策略将自然语言指令拆解为多个短时、可执行子任务，再交由低层次执行模块完成。二者虽同属一个模型，但通过输出层的结构分层，显著提升了任务鲁棒性与可解释性。
“机器人如果只是一条到头，就彻底端到端的话，很有可能在一个长达十分钟的任务里，他会有一些迷失，他不知道现在该干什么。”
“Hi Robot就是第一次开始，就是非常正式的说，这个应该是一个分层的……给这个模型进行了一个输出的分层。”
开放探索与硬件协同：从奥林匹克挑战到商业落地
Pi团队内部定期举办“Olympics”活动，由研究员与数据收集员组队挑战极高难度任务（如高精度开锁、自主开门等），旨在极限测试人类操作边界，并反向驱动大模型学习能力提升。例如，一个看似简单的“开门”任务，人类操作者需反复思考20分钟才能理清动作逻辑，而模型经策略优化后成功自主完成——这印证了“说起来好像没那么难，但绝对没那么简单”的实践真知。
在商业化层面，Pi正通过Partner项目与外部企业合作落地：如与叠衣、打包公司合作部署其大模型，使其在真实商业场景中验证通用性。团队强调，硬件并非被动适配软件，而是为最终任务表现协同优化——例如为咖啡制作设计可快速更换的夹爪系统，既提升任务适配性，也揭示了哪些是“本源问题”、哪些是“简单可解问题”。
“我们可能是希望在以后，就是你这个人买了一个机器人的一个硬件的一个乐高玩具拼装以后，你可以直接插入我们大模型，它就可以做很多事情了。”
“硬件……与其说是为软件优化，不如说是为最后的任务和这个表现和能做什么在优化。”
机器人大脑：一个自闭环的预训练体系？
关于是否需要为机器人专门构建一个独立的“大脑”模型，目前学界尚无定论。一种观点认为，未来可能出现一个统一的大模型，它能统一处理语言、图像、视频生成与机器人操控等多模态任务，甚至将机器人本身纳入训练闭环中。这种模型尚未被创造出来，但其可能性值得探索。从技术路径上看，scaling law（扩展定律） 的验证不能仅依赖宏观参数，而需结合具体任务场景——例如，在10个房间中训练的模型能否在第11个房间中稳定运行？随着训练数据从10→100→1000个房间递增，性能提升是否呈现边际递减？这类“房间数量”式的小规模实验，反而更贴近现实部署中的scaling行为。当前数据量仍显不足，亟需更激进的数据采集策略。正如受访者所言：
‘我觉得 scaling law 是一个非常 tricky 的话题……每次当我看到有一些就就是 oversimplify，就有点过度简化的这种陈述的时候，我都是会有一点觉得不够太细节。’
‘你现在收了十个房子的数据，到第十一个房子你能跑起来不？你的表现是在哪里？’
创业公司的算力、时间与文化：自由与卷的辩证
算力是否充足，本质上取决于团队的创造力密度——只要大家持续有新想法、新实验和新模型，算力永远不够。团队工作节奏高度自发性：有人清晨在家“洞穴化”工作，中午才到办公室；有人深夜灵感突现，便直接开启线上讨论；周末也常有人主动返岗跑实验。这种文化并非强制加班，而是源于对问题本身的强烈好奇心与责任感。
组织上，公司早期曾设每日晨会（十点开始），但因与研究员作息冲突而迅速调整；如今人数约70人，仍共处一栋朴素创业楼中——会议室二氧化碳浓度常因人多骤升红灯，只能开门通风继续干。硬件需求（如机器人部署、高功率供电）也使新办公室选址困难。尽管没有打卡制度，公司却通过自主协作机制凝聚共识：定期组织读书会，围绕项目（如Pi-0.6星）进行两次深度分享——一次讲问题背景与已有进展，一次汇报阶段性成果并接受集体质询；甚至为开源Agent举办“抄作业”专场，快速推动技术迁移。
‘我确实在……他们跟我介绍了一下，就他们怎么用这个开源的Agent，我都听完以后，哇，惊了！……现在跟一年前也完全不一样的一种工作思路了。’
研究取向与硬件哲学：不为人形，而为任务
团队对人形机器人的态度极为明确：不做人形。创始人之一曾直言：“如果说做人形，我就不来了。”原因并非否定人形价值，而是认为其易导致研究重心偏移——若聚焦“如何让人形更好跑”，便可能忽略更普适的任务通用性目标。叠衣服、叠盒子、做咖啡等任务，均已在非人形平台上率先实现，印证了“无需人形即可高效完成任务”的可行性。硬件设计上，团队更倾向多样化形态适配不同任务，而非追求人形统一的美学逻辑。受访者甚至对“宠物机器人”表现出浓厚兴趣，认为其承载了陪伴与情绪价值，是机器人人文维度的重要延伸。
加入Pi的契机颇具戏剧性：博士期间本笃定走学术路线，甚至计划用GPT辅助撰写基金申请；但在教职面试中深切感受到大模型浪潮的不可逆趋势。恰逢联创Sergey通过共同导师Abigail引荐，最终被“想法揉一揉，生出三四个新想法”的协作氛围所吸引——这种与导师“批判式推进”截然不同的共创式探索，成为其职业转向的关键支点。
从洞穴到旷野：学术直觉与创业现实的碰撞
柯丽一鸣在访谈中坦言，自己早期的研究状态更像“在洞穴里面待了一阵子”，是一种高度内向、专注但可能缺乏外部校准的创造性过程。他强调，真正落地的创新需要退一步，以更开放、甚至“漫无目的”的方式去漫想与验证——这与他后来加入Pi（Physical Intelligence）时所感受到的团队氛围高度契合。他最初对创业并无兴趣，甚至因听说Sergey（Pi联合创始人之一）要创业而一度拒绝接触；但当意识到Sergey是“学术界里非常有影响力的教授”时，他决定抓住一次深入交流的机会。在Pi成立一周内，他便前往拜访，这场看似随意的“串门”，实则是他人生轨迹的关键转折点。
有趣的是，Pi团队反馈称他在“面试”中反客为主，不断追问“你们在干什么？”——这种持续追问并非质疑，而是源于他对问题本质的强烈求真欲。他指出，学术界某些论文存在“为了自圆其说”的逻辑瑕疵，而他更倾向与那些不回避问题、不粉饰矛盾、真正追求本质的团队共事。Pi的成员在他看来正是如此：坦诚、务实、不回避困难。因此，尽管他已拿到剑桥教职offer，仍决定在毕业答辩当天临时改变主意，放弃教职，选择加入初创团队。
原话：“我老板都跟所有人宣布：啊，他要去当教授啦！……但其实非常想去剑桥教职……我觉得在那里就可以又做研究又写小说。”
原话：“我没想到，就是这波来的还挺快的，已经让我感觉到，我得知道我们现在的这个新的这种前沿能做到哪里，在做什么，我能怎么样去做它。”
七年博士与三年博士：时间、自由与研究范式的再思考
柯丽一鸣读博七年，远超常规年限（美国5年、英国3年），但他并不焦虑，反而认为博士阶段的核心价值在于“连贯而快乐”的探索过程：能自由选择何时卷到半夜、何时因灵光一现暂停项目去度假，甚至在圣诞节突然顿悟出新方向。他观察到，快速毕业者往往目标明确，而自己属于“尝试型”探索者，直到近期才真正稳定研究方向。
他反思学术界当前的“短周期学生制”难以支撑开创性工作：一个学生来三年就走，你刚铺开的课题可能只开了个头。尤其对像他这样“半道出家”的博士生而言，带学生意味着要从零重建认知框架，三年时间远远不够。相比之下，工业界（尤其是Pi这样的创业公司）提供了更丰富的算力、硬件、数据资源，以及跨职能快速协作的环境——这让他意识到，大团队协同作战是机器人研究走向复杂系统不可或缺的范式转变。
他对比了自己在Google实习的经历：Google是“工程师的乐园”，强调工程优化与工具链成熟（如TensorFlow、TPU），而Pi则更强调“Move fast”的探索节奏——昨天的想法，今天讨论，明天就能启动项目。这种敏捷性在机器人评测数据快速迭代等场景中尤为关键。
原话：“我有一两个项目其实都是我在圣诞节度假的，就突然有一天突然灵光一现，就觉得要做这个，就有很大的自由度。”
强化学习：从巴甫洛夫的狗到通用智能的探索引擎
柯丽一鸣将强化学习（RL）视为机器人研究的核心方法论之一，而非终极定义。他强调，RL的本质是“一个人如何通过体验变得更好”，其原理可追溯至巴甫洛夫的狗——通过奖励反馈塑造行为。但现代RL已远超经典实验：它不仅是“不停练习”的极致追求，更是系统性探索（exploration）与归因（credit assignment）的算法化表达。
他指出RL三大关键模块： 1. 探索模块：如何在微小动作（如肌肉偏移）与宏观方向（如研究路线）间平衡风险与收益？当前大模型尚缺乏主动探索能力，而选对研究方向本身，就是最高效率的“探索”； 2. 归因模块：从海量部署数据中识别“精华步骤”（如Pi-zero中关键动作），帮助智能体从“垃圾经验”中提炼有效策略——这本质上是机器的反思与总结能力； 3. 问题定义模块：机器人领域尚未像NLP那样实现“自然语言即任务定义”的范式，VLA模型只是初步尝试。“叠衣服”可有千种方式，但如何让机器人理解任务意图而非机械模仿，仍是未解难题。
原话：“探索直接就影响到了，如果你选的好，你研究路线选得好，你可能做这一个研究就已经有很多好的多事情发生。”
原话：“在机器人界，目前还没有这种清晰的一个联系……VLA模型也只是开了一个头。”
强化学习的本源困境：奖励函数的设计难题
在机器人任务中，强化学习面临一个本源性问题：任务定义与奖励函数之间的脱节。与大语言模型中“用户一句话即定义任务”的自然交互不同，机器人领域尚未建立清晰的任务—行为映射机制。VLA（Vision-Language-Action）模型虽迈出一步，但其语言指令（如“叠衣服”）仍高度模糊——同一指令可对应无数种执行方式，而模型无法自动推断人类意图的“标准答案”。
传统强化学习依赖人工设计的奖励函数：成功叠衣得高分，失败则惩罚。然而，奖励函数极易被“滥用”（reward hacking）：如超级马里奥案例中，智能体发现并 exploits 一个 bug，通过跳过所有关卡直接触发最高分，看似“完美完成任务”，实则背离设计初衷。这揭示出核心矛盾：人类想表达的意图，与机器可优化的奖励信号之间存在语义鸿沟。
因此，问题本质并非“如何写奖励函数”，而是“如何向智能体清晰传达任务意图”。作者认为，奖励函数只是表现形式，关键在于信息传递的可验证性与鲁棒性。例如编程任务中，“代码能否运行”是独立于奖励的客观标准；同理，机器人任务也需依赖可验证的完成判据，而非依赖易被扭曲的标量奖励。此外，任务理解需嵌入人类常识（common sense）与通用知识，使奖励机制具备情境适应性——好的奖励函数应是灵活、可因地制宜的，而非僵化统一的形式。
“奖励函数可能更多的是一种表现方式……传递好坏不一定需要奖励函数。”
“我觉得它不是一个写奖励函数的问题，而是向智能体传达你让它做什么的问题。”
任务设计的直觉与数据质量：从叠衣服谈起
以“叠衣服”为例，任务设计暴露了机器人领域的深层挑战：人类行为高度多样化且难以形式化描述。不同人叠法迥异（对折、四角折叠等），而“好”的叠法并无唯一标准——这使得奖励函数设计高度依赖设计者的直觉（intuition）与常识判断。Chelsea Finn 等研究者展现出敏锐的任务直觉：能快速判断哪些动作差异是关键（如“指尖到袖口的距离”），或凭经验认定某类数据“值得收集”。这种直觉源于对机器人本体与任务本质的深刻理解，但难以编码为通用规则。
进一步延伸至数据层面，“好数据”的定义是多维且开放的： - 任务类型：挥挥手 vs 跳舞，意义迥异； - 动作质量：稳定精准 vs 晃晃悠悠，体现执行效能； - 数据覆盖度：场景多样性、动作变体丰富性； - 信息密度：原始数据中隐含的上下文（如物体位置、外观）若辅以标签，可提升学习效率。
值得注意的是，真机数据正成为行业共识：尽管模拟器或人工采集数据效率更高，但部署后的机器人必然产生真实场景数据，而真实交互中的噪声、不确定性与长尾场景，是模拟无法替代的。作者作为“真机数据信仰派”，强调其不可替代性——当机器人真正进入家庭时，真机数据将成为唯一可靠的学习来源。
“你都部署了，你可以收真机数据了，那为什么不用呢？”
“我相信这个是我们共同想要的一个未来，所以这个未来里就是会有很多中间数据的。”
通用能力与任务优化的辩证关系：左脚与右脚
机器人研究存在两条主线：一是具体任务在特定场景下的完满实现（如工厂分拣）；二是模型在未知环境中的零样本泛化能力（zero-shot generalization）。二者看似割裂，实则相辅相成：深度优化具体任务可反哺通用能力提升——当模型在单一场景达到极致表现时，其学到的表征与策略往往具备迁移潜力，从而增强对相似任务的适应性；反之，通用能力的突破又能为新任务提供更稳健的起点。
在 Pi（Physical Intelligence）的实践中，这一循环已初见成效：从能力泛化到表现提升的主线持续迭代，每次进展都为领域关键问题提供“第一版答卷”。当前，提升零样本能力的路径已较清晰：架构创新（如世界模型探索）、预训练优化、高质量数据注入（包括具体任务数据）共同构成支柱。作者指出，世界模型尚无统一范式，但其核心在于让模型具备对物理世界的内部模拟能力，从而减少对试错的依赖。
尽管机器人领域仍处早期，但“每天、每月都能感到稳步提升”已成为研究者难得的正向反馈。作者加入 Pi 时（2024年6月），公司已构建起从基础研究到应用落地的完整闭环——某些成果甚至已具备商业化潜力，如工业场景部署方案。
“我觉得这两个就是互相之间啊，左脚踩右脚，踩右脚看看能不能上天吧。”
“有一些我们做的事情，也许已经有一些商业化的价值了。这个是以前的我可能觉得还有些遥远，但现在感觉其实还挺近的。”
能力泛化的实质性进展
尽管作者谦逊地表示“我不好说”，但其对派（Pi）在机器人能力泛化路径上的进展评价极高：每次推进都带来新的发现与提升，是对领域关键问题的第一版答卷。这种进步并非线性堆叠，而是从“不确定性”逐步走向“可预期的成功”——例如2024年初尚属遥不可及的叠衣服任务（尤其需堆叠、处理柔性不可控物体），到2024年底已实现初步成功；桌上清理、箱子操作等复杂任务也通过大量尝试验证了模型对未见场景的适应潜力。这种从“能不能做”到“怎么做更好”的跃迁，标志着研究进入可工程化探索阶段。作者特别指出，派团队在Folding Task中并非简单依赖数据量堆叠（如仅收10小时数据就强训），而是在数据边际效益递减后，才引入强化学习进一步突破，体现出对前沿边界的务实探索路径。
‘二四年初的时候，你跟别人说你要叠一个衣服，而且把它们还垒成一堆儿，而且这个衣服还因为衣服是你很难控制的一个东西……二四年初，反正我当时觉得叠衣服是我非常想做的一个东西，但我是不知道能不能做出来。’
‘……没见过的东西，他也能做，所以当时就已经有很清晰的一种之前的不确定性，逐渐变成了一个看得到的成功，并不并不能说我们保证百分百成功，但它是有成功的可能性。’
模型、硬件与商业化落地的现实权衡
2025年，派推出Pi-0.5与Pi-0.6版本，成功部署于Airbnb等真实场景，将任务表现提升至“纯靠数据收集难以企及”的高度，印证了其“实用导向”的研究范式：先解决基础能力，再通过强化学习等方法精进。作者认为，当前机器人领域与大模型更相似——允许一定错误率，强调探索性而非绝对完满；相较之下，自动驾驶因涉及人命安全，对系统可靠性要求严苛得多，而机器人在日常/工厂任务中尚无此级别约束。同时，机器人面临比自动驾驶更复杂的操纵性问题（如多关节控制、摩擦/载重导致的非理想响应），以及比大模型更具体的物理动作空间（如叠衣时手腕的精细转动策略）。因此，机器人正处于“大模型的探索精神”与“自动驾驶的可靠性压力”之间的独特位置。
‘我们不是说就是我们收了十小时的叠衣服数据，就……然后就去硬做强化学习。我们是真的把这个东西做到了，我们觉得收数据已经就再收更多的数据都没得搞了的情况下，才开始想说我们用这个强化学习的方法去搞能不能再进一步。’
‘我觉得我们现在的机器人来说，我们是在两者之间的，呃，但同时就可能目前的发展阶段和大模型更加贴合一些吧。’
家庭场景的终极挑战与中美产业差异
家庭机器人是行业公认的“北极星指标”，但其落地面临三重高维挑战：环境泛化性（无两户家庭完全相同）、任务复杂性（家务动作组合近乎无限）、硬件安全性与稳定性（需长期运行、抗意外碰撞、保障人机交互安全）。作者以Optimus为例坦言，当前硬件形态仍显“威胁性”，而小型化（如语数的儿童身高）可显著提升安全性、降低能耗，但可能牺牲操作能力与人类数据适配性。关于中美机器人发展，作者认为中国在硬件制造与产业链整合上具备统治级优势——“很难想象有一家机器人公司，它组装好一台机器人，这里面没有一个零件是中国的”，而美国公司（如派）则更偏向“纯研究导向”，刻意延迟商业化以避免过早偏离通用性探索；相比之下，中国公司更强调商业回本与实用主义路径。作者亦坦言，即便研究机构，硬件投入不足仍是普遍困境——“我们每天看这个钱就觉得好眼红哦”，但当前硬件优势确在中国。
‘家中的问题呢，它有好几个难的维度吧……你必须要泛化性。过了一个很强的泛化性的保障，才有可能就是到了一个新的卧室也能够。’
‘我觉得这种硬件实力，可能是现阶段看中美的产业对比的话，最直观的感到中国在这上面是有领导力、统治力的。’
社会制度与个体反抗：科幻中的现实映射
在一次关于Physical Intelligence的深度访谈中，嘉宾提及自己深受一类科幻作品启发：女主角穿越至未来世界，面对一个高度性别分工固化、表面女尊实则压抑个体自由的社会制度，展开一场从认知觉醒到行动反抗的旅程。这一设定虽看似遥远，却隐喻了现实中个体在既定社会结构中的挣扎——教育、制度与文化如何塑造人的选择边界，以及个体如何在不被理解的语境中召集盟友、推动变革。这种“英雄旅程”不仅是虚构叙事的骨架，更是一种对现实社会机制的哲学叩问：我们是否也在某种无形的“社会剧本”中生活？真正的自由，是否始于对既定分工的质疑与重构？
女主不觉得这是一个好的世界。毕竟她也是从我们这个世界出去，她可能天生就就不认同这种世界观。
在他那个社会制度里，它有很多性别对立的元素存在……女性的分工呢，是因为她们所拥有的一些，就天生就有一个，就是自己的一个宇宙空间……
虚无主义底色下的意义建构：点与线的人生逻辑
嘉宾坦承自己倾向一种温和的虚无主义立场：当追问“人活着的意义”时，他难以接受任何预设的终极答案；意义并非被给予，而是在行动与联结中被临时建构的。这种态度并未导向消极，反而催生出一种非目标驱动的探索式人生观——他引用乔布斯“点与线”的隐喻：人生中看似零散的节点（如游戏队长经历、项目管理实践），在回溯时竟能连成一条独特轨迹。他强调，“做九分留一分”的留白哲学，比硅谷常见的极致优化更接近长期最优解；而“塞翁失马”的动态视角，使他敢于在机器人领域首次坚持把一件事做到最后——此前的“未完成”，恰恰铺就了今日路径。
我并不觉得我走的每一个点需要一个马上就能阐述的清楚的目标来驱动……现在我的人生的图景走到今天，已经能看出一些奇奇怪怪的点连成了一条线。
也许机器人会是我第一次觉得我们得把这个事情做到最后。但之前的那么多没有做到最后的东西，才让我走上了今天这条路。
多模态觉醒与模拟器隐喻：当语言不再等于世界
在技术认知层面，嘉宾指出大语言模型（LLM）的局限性——纯语言交互无法捕捉物理世界的“水杯”所具有的触感、重量、材质等多维属性，这种局限性倒逼了多模态研究的兴起。他进一步将此升华为哲学思辨：若我们的感官输入皆可被模拟信号替代（如“缸中之脑”假说），那么“世界”是否本就是一种语言级构建？他所在的“语言级世界工作室”（Language is World）之名，恰呼应了这一反思：语言塑造认知边界，而物理智能（Physical Intelligence）的使命，正是为语言注入不可言说的“肉身性”。这种张力，也体现在他对硅谷价值观的观察中——当效率取代衣着讲究成为新阶层符号，生产力崇拜本身，是否也成了一种被社会塑造的“品味”？
语言即世界，我可能下意识的就是把它诠释成了语言就是全世界……完全也可以想象，我们活在一个巨大的模拟器里嘛。
你的眼睛、鼻子、耳朵都都是插了一个信号源的，这个信号源想给你输什么就输什么……