過去這半年被問得最多的一句話是具身智能是不是又一輪“雷聲大雨點小”我的看法一直很直接——機會確實在但野路子摸索期基本結(jié)束了。大模型把上層認知能力補上了機器人本體把物理交互能力準備好了兩邊一碰具身智能就從學(xué)術(shù)詞變成了產(chǎn)業(yè)鏈?，F(xiàn)在再入場第一件事不是寫代碼而是看清楚這個賽道里有哪幾條真正的主干道。我按自己帶項目和看項目的經(jīng)驗把具身智能拆成三大核心賽道數(shù)據(jù)、硬件本體、算法。這三個方向互為前提又各自獨立基本覆蓋了從科研到產(chǎn)品化的全部關(guān)鍵環(huán)節(jié)。這篇文章就把每一條賽道的核心邏輯、手上能落地的做法、還有我踩過的坑一次講透。不管你是剛?cè)腴T的學(xué)生、想轉(zhuǎn)行的工程師、還是準備立項的團隊都可以按這篇文章的內(nèi)容直接對號入座。1. 具身智能到底在賽什么三大賽道全景拆解1.1 先搞清楚一個問題具身智能到底“身”在何處“具身智能”這個概念字面意思就是“有身體的智能”。傳統(tǒng)AI只處理文字和圖片輸出結(jié)果停在屏幕里具身智能不一樣它得讓AI通過傳感器感知真實世界再通過電機、關(guān)節(jié)、機械臂這些物理部件去改變世界。也就是說它必須有身體必須動起來。但很多人沒想透的是身體本身就是智能的一部分。沒有手去摸就不知道杯子表面的摩擦力沒有腳去走就理解不了地面的高低差。所以具身智能的研究對象從來不是“大腦”單一器官而是“大腦小腦身體”整個系統(tǒng)的協(xié)同。這就引出了三條賽道各自的定位。數(shù)據(jù)賽道解決“系統(tǒng)學(xué)什么”硬件賽道解決“系統(tǒng)靠什么動”算法賽道解決“系統(tǒng)怎么想”。三條賽道缺一條另外兩條都會卡死。比如你的算法再強機械臂末端精度只有一厘米抓取動作照樣失敗你的硬件再好沒有高質(zhì)量操作數(shù)據(jù)模型訓(xùn)練出來也是個“好看的空殼”。1.2 為什么是數(shù)據(jù)、本體和算法而不是別的三個有人會問具身智能難道不應(yīng)該分“感知、決策、控制”嗎或者按應(yīng)用場景分“家用、工業(yè)、商用”這些分法都有道理但如果從產(chǎn)業(yè)投入和技術(shù)瓶頸來看數(shù)據(jù)、本體、算法才是真正的“卡脖子”環(huán)節(jié)。感知、決策、控制本質(zhì)上是算法賽道內(nèi)部的子問題現(xiàn)在端到端模型崛起之后這三者的界限已經(jīng)模糊了。按場景分也不合理因為底層技術(shù)高度同源家庭服務(wù)機器人和工業(yè)分揀機器人用的可能是同一套數(shù)據(jù)流程、同一款靈巧手、同一個VLA模型底座。真正需要重點投入、值得單獨立項的就是數(shù)據(jù)、本體和算法這三塊。這三者還有個共同點都屬于基礎(chǔ)設(shè)施。場景會變產(chǎn)品會換但數(shù)據(jù)能力、硬件能力、算法能力永遠稀缺。我接觸的團隊里凡是跑得快的基本都認這條邏輯——不急著綁定某個場景先把三塊地基中的一個打扎實。2. 數(shù)據(jù)賽道具身智能真正卡脖子的地方2.1 數(shù)據(jù)從哪來遠遙操作、合成數(shù)據(jù)與真機采集大模型時代的經(jīng)驗告訴我們模型能力的上限由數(shù)據(jù)質(zhì)量決定。具身智能也一樣但它的數(shù)據(jù)比文本和圖片難搞得多。文本可以爬圖片可以標具身智能需要的是“狀態(tài)-動作-結(jié)果”三元組數(shù)據(jù)這類數(shù)據(jù)只存在于真實的物理交互里。目前主流的三種采集方式我一個個說。第一是遠程遙操作(Teleoperation)。人戴上VR手柄或者使用示教器遠程控制機械臂完成動作系統(tǒng)把人的操作軌跡、視覺輸入、力反饋全部記錄下來。這種方式的優(yōu)點是數(shù)據(jù)質(zhì)量高包含大量人類先驗知識缺點是效率低、成本高一個熟練操作員一天能采集的有效數(shù)據(jù)也就幾百條。第二是合成數(shù)據(jù)。在仿真環(huán)境里批量生成操作場景用腳本讓虛擬機械臂自己嘗試、自己記錄。成本低、量大但存在Sim-to-Real Gap也就是仿真和真實世界之間的差異。仿真里很好用的策略到了真機上往往因為材質(zhì)摩擦力、光線變化、電機延遲等因素失效。第三是自動化采集。把采集流程做成流水線比如設(shè)計一批固定夾具和操作任務(wù)讓機械臂按預(yù)設(shè)軌跡反復(fù)執(zhí)行并記錄數(shù)據(jù)。這種方法效率高但動作多樣性差容易學(xué)會“死套路”。我在實際項目里通常采用“遙操作打底、仿真擴量、自動化補充”的混合策略核心動作用遙操作保證質(zhì)量長尾場景用仿真批量覆蓋重復(fù)動作交給自動化采集。三者比例大約在5:4:1的樣子看具體任務(wù)調(diào)整。2.2 數(shù)據(jù)怎么才“能用”清洗、指令標注與閉環(huán)迭代數(shù)據(jù)采集只是第一步后面才是真正磨人的環(huán)節(jié)。原始遙操作數(shù)據(jù)里有大量無效片段、抖動軌跡、前后不一致的指令。如果不處理直接訓(xùn)練模型學(xué)到的就是一團漿糊。清洗的第一步是時間對齊。視覺流、關(guān)節(jié)角度流、力傳感器流通常來自不同頻率的設(shè)備如果時間戳沒對齊模型會學(xué)到“畫面還沒變手臂先動了”的錯誤關(guān)聯(lián)。所以我一般會在采集端就統(tǒng)一加硬件同步信號而不是事后靠軟件猜對齊。第二步是動作質(zhì)量評估。把軌跡平滑度、完成時間、末端誤差這三個指標算出來低于閾值的片段直接丟棄。遙操作員手抖一下這段數(shù)據(jù)就是噪音留著只會有害。我們有個簡單經(jīng)驗寧可要500條高質(zhì)量軌跡也不要5000條亂七八糟的“偽數(shù)據(jù)”。第三步是指令標注。給每個片段配上自然語言指令比如“抓取紅色杯子”“把螺絲擰緊90度”。這一步可以和清洗工具鏈合并但要注意指令的粒度一致性。同一個動作今天標“拿杯子”明天標“抓取桌上的馬克杯”模型會被搞糊涂。最后是閉環(huán)迭代。模型在真機上失敗了失敗樣本要回到數(shù)據(jù)集里重新采集、重新標注、重新訓(xùn)練。數(shù)據(jù)不是一次性資產(chǎn)而是需要持續(xù)更新的基礎(chǔ)設(shè)施。我見過太多團隊把數(shù)據(jù)集當(dāng)“一次性彈藥”囤囤完就開訓(xùn)訓(xùn)完失敗就罵算法其實是數(shù)據(jù)閉環(huán)沒跑起來。2.3 數(shù)據(jù)賽道的實操建議如果你想快速在數(shù)據(jù)賽道入門我建議先別碰真機把仿真開箱工具跑起來。目前很多開源平臺都支持數(shù)據(jù)采集和策略訓(xùn)練門檻比前幾年低了很多。先把仿真環(huán)境里的數(shù)據(jù)生產(chǎn)、清洗、訓(xùn)練閉環(huán)打通再去碰真機效率會高很多。另外要早一點建“數(shù)據(jù)質(zhì)量看板”。不需要多復(fù)雜的平臺一張在線表格就能起步每個數(shù)據(jù)片段的采集方式、任務(wù)類型、質(zhì)量評分、使用狀態(tài)都記錄下來。數(shù)據(jù)量過了幾千條之后你會意識到?jīng)]有這個看板找數(shù)據(jù)就像在垃圾堆里撈針。3. 硬件與本體賽道別把機器人當(dāng)成“會動的電腦”3.1 本體設(shè)計的分層思路說起硬件很多人第一反應(yīng)是“買一臺機械臂就完了”。但真做過項目就知道本體設(shè)計決定了一個具身智能系統(tǒng)的上限。電機選型、關(guān)節(jié)結(jié)構(gòu)、傳感器布局、結(jié)構(gòu)剛度每一項都在影響算法的最終表現(xiàn)。我習(xí)慣把本體設(shè)計拆成三塊來看運動底盤/機械臂、靈巧末端、傳感器系統(tǒng)。底盤解決“怎么到”的問題機械臂解決“怎么夠到”的問題靈巧手解決“怎么操作”的問題傳感器解決“怎么感知”的問題。四者不是獨立設(shè)計而是共同組成一個“感知-運動閉環(huán)”。一個很典型的例子是末端負載和關(guān)節(jié)扭矩的匹配。很多團隊為了追求通用性選了承載能力過剩的電機結(jié)果手臂又粗又重動起來像老牛拉車視覺算法再強也追不上電機響應(yīng)。反過來為了省成本選小電機末端抓個稍重的物體就過流報警。所以選型第一件事算清楚末端目標重量、期望速度、運動半徑然后反推關(guān)節(jié)峰值扭矩。3.2 靈巧手為什么這么難靈巧手是具身智能硬件里面最讓人頭疼的部分沒有之一。人手有27個自由度每根手指獨立運動還帶觸覺反饋這個復(fù)雜度在工程上幾乎是噩夢。目前市面上多數(shù)靈巧手只做4到6個自由度這已經(jīng)是成本、可靠性和控制難度的折中結(jié)果了。自由度不是越多越好。自由度多得讓算法控制不過來還會大幅增加成本。我做項目時發(fā)現(xiàn)四自由度手配合精心設(shè)計的抓取策略在70%的日常操作任務(wù)里表現(xiàn)已經(jīng)夠用。剩下的30%需要精細操作那是人形機器人的長期目標不是今天該糾結(jié)的事。靈巧手上的觸覺傳感也是個大坑。多數(shù)方案用的是電流檢測和單點力傳感能檢測“有沒有抓住”但檢測不了“抓得穩(wěn)不穩(wěn)”。真要檢測滑動趨勢需要陣列式觸覺皮膚現(xiàn)在這還是個成本和耐用性都不太成熟的部件。我的建議是前期不要一步到位先用簡單方案跑通抓取再在第二代硬件上迭代觸覺。3.3 傳感器和執(zhí)行器的選型經(jīng)驗傳感器方面我會優(yōu)先保視覺因為視覺信息量最大。RGB-D相機是性價比之王幾百塊到幾千塊就能獲得不錯的深度信息。但要注意它的深度圖在透明物體和高反光表面會“翻車”比如玻璃杯和金屬托盤這需要在算法里做補充處理或者加一個單目相機做冗余。力傳感器要不要裝取決于任務(wù)類型。如果是精密裝配、插拔連接器等任務(wù)六維力傳感器是必需品。如果只是抓取搬運可以暫時靠電流環(huán)估算力矩省錢省通訊帶寬精度也夠用。執(zhí)行器方面諧波減速器方案的精度最高但貴且脆弱行星減速器方案便宜耐用但精度稍遜。再加上現(xiàn)在無框電機加編碼器組合越來越流行很多團隊開始自研關(guān)節(jié)模組。我的經(jīng)驗是研發(fā)階段盡量買成熟的集成關(guān)節(jié)別自己設(shè)計減速箱否則你可能花三個月在修機械結(jié)構(gòu)而不是寫具身智能算法。4. 算法賽道VLA、世界模型與端到端控制4.1 從“感知-規(guī)劃-控制”到端到端算法賽道這幾年變化最大。傳統(tǒng)機器人算法是流水線式的先感知建圖再路徑規(guī)劃最后生成控制指令。這套方法穩(wěn)定、可解釋但每個環(huán)節(jié)都要人工設(shè)計模塊而且誤差會沿著鏈路累積。到了真實復(fù)雜環(huán)境一個環(huán)節(jié)出錯整體就崩。端到端模型的出現(xiàn)改變了這個局面。以VLA視覺-語言-動作模型為代表輸入是攝像頭畫面和自然語言指令輸出直接就是動作序列。中間不需要顯式的場景建模和路徑規(guī)劃模型自己從數(shù)據(jù)里學(xué)會了“看見杯子-伸手-抓取”的映射。VLA模型的本質(zhì)是把大語言模型里的世界知識遷移到動作空間里。它預(yù)訓(xùn)練在大規(guī)模圖文數(shù)據(jù)上知道“杯子”是什么、長什么樣再通過具身數(shù)據(jù)微調(diào)學(xué)會具體的操作方式。這也是為什么賽道突然熱起來因為底座能力已經(jīng)具備只差數(shù)據(jù)這一層“臨門一腳”。但端到端不是銀彈。它對數(shù)據(jù)質(zhì)量極度敏感而且可解釋性差出了問題很難排查是哪一步錯了。我見過一個團隊模型在實驗室里跑得好好的換了個光照環(huán)境就失手率飆升查了一周才發(fā)現(xiàn)訓(xùn)練數(shù)據(jù)里90%都是順光場景。端到端模型學(xué)到的“捷徑”往往不是我們想要的通用規(guī)律而是數(shù)據(jù)集里隱藏的統(tǒng)計偏差。4.2 算法棧的工程化拆分即使不做端到端工程上還是要把算法棧拆清楚。我一般把算法工作分成三層感知層、決策層、控制層。感知層負責(zé)給系統(tǒng)提供“當(dāng)前狀態(tài)”包括目標檢測、位姿估計、場景分割。這里的核心指標是延遲和精度。目標檢測跑50毫秒還是500毫秒直接決定了控制層能有多塊的反應(yīng)速度。實踐上我會盡量把感知模型量化壓縮跑在邊緣計算模塊上而不是依賴云端。決策層是“下一步做什么”的指揮官可以是一個模塊化的狀態(tài)機也可以是端到端策略模型。早期項目用狀態(tài)機最穩(wěn)把所有任務(wù)拆成有限個狀態(tài)每條邊上寫清楚切換條件。雖然不夠靈活但可調(diào)試、可預(yù)測適合穩(wěn)定維護一個產(chǎn)品?？刂茖觿t是把決策轉(zhuǎn)成底層電機指令。這里涉及運動學(xué)解算、動力學(xué)補償、力位混合控制等經(jīng)典內(nèi)容。很多搞AI的同學(xué)不重視控制層結(jié)果就是模型輸出看起來合理但真機執(zhí)行時因為軌跡不平滑、加速度過大把電機震得嘩嘩響。記住神經(jīng)網(wǎng)絡(luò)只是給出了“想去哪里”怎么去的每一步還是得靠控制層來穩(wěn)。4.3 算法賽道的真問題拋開“做大模型”這種融資話語算法賽道真正難啃的是三個工程問題。第一是部署效率。VLA模型動輒幾十億參數(shù)為了在真機上跑出一個可用的推理速度往往要做模型蒸餾、量化、剪枝。我見過一張嘴就說“用云端大模型控制機器人”的方案真到現(xiàn)場演示時網(wǎng)絡(luò)一抖動機械臂就“癲癇”完全不可用。具身智能對時延的忍耐度極低端側(cè)部署遲早是必需品。第二是任務(wù)泛化。目前多數(shù)模型只能處理訓(xùn)練見過的場景換一個物體顏色、換一種桌面紋理成功率就掉得厲害。泛化問題本質(zhì)上是數(shù)據(jù)分布覆蓋度的問題但短期內(nèi)我更推薦用“守規(guī)矩”的方案把相機位姿固定把操作區(qū)域做成標準工位先把一個場景打磨到極致。第三是評測方法。很多團隊只看“成功率”這一個指標但這遠遠不夠。我習(xí)慣同時記錄五次實驗的完整耗時、失敗階段分布、人為干預(yù)次數(shù)。這些指標能告訴你模型到底是“真學(xué)會”了還是“碰運氣”成功了。如果十次里五次成功五次失敗且失敗全發(fā)生在同一個階段那大概率是那個階段有系統(tǒng)性缺陷跟隨機性沒關(guān)系。5. 動手路線從xbotics社區(qū)到第一個真機項目5.1 xbotics能幫我們做什么搞具身智能最煩的一件事是“生態(tài)太散”。數(shù)據(jù)集一個平臺一套格式仿真器各說各話開源模型權(quán)重東一個西一個新手光搭環(huán)境就要崩潰三回。這也是我推薦新人關(guān)注xbotics這類開源社區(qū)的原因它們在做一件重要的事把具身智能常用的工具鏈、數(shù)據(jù)集格式、模型權(quán)重統(tǒng)一成一套標準讓項目之間能互相復(fù)用。在xbotics社區(qū)里你能找到仿真環(huán)境配置、真機調(diào)試指導(dǎo)、開源數(shù)據(jù)集的統(tǒng)一說明文檔還有一批已經(jīng)在真機上跑通的基線示例。這些資源能幫你把“從零到第一個demo”的時間從兩個月壓縮到兩到三周。社區(qū)的價值不只是代碼更是“別人趟過的坑”的集合。比如哪種機械臂配哪種夾爪最合適、哪個仿真器導(dǎo)出的數(shù)據(jù)格式直接能喂給哪個模型這類經(jīng)驗在教科書上根本找不到。我的建議是不要只當(dāng)旁觀者。把社區(qū)里的示例代碼跑通之后提交你自己的踩坑記錄哪怕只是一個小問題的解決方案。過程中你會被迫把問題說清楚這本身就是很好的學(xué)習(xí)方式。開源社區(qū)的力量來自互惠索取的同時作出貢獻你獲得的信息質(zhì)量會完全不一樣。5.2 一份可執(zhí)行的學(xué)習(xí)路線很多新人問我具身智能從哪里入門我給出的路線始終是三段式不跳級。第一階段是基礎(chǔ)補課大概四到六周。你需要掌握Python編程、深度學(xué)習(xí)基礎(chǔ)、機器人學(xué)核心概念坐標變換、正逆運動學(xué)、ROS基本通信機制。這個階段不需要深摳數(shù)學(xué)推導(dǎo)重點是建立“感知-決策-控制”的整體圖景。我見過一個程序員上來就想寫VLA模型結(jié)果連機器人坐標系變換都沒搞懂調(diào)了兩周bug才發(fā)現(xiàn)是坐標軸方向反了。這個階段一定要穩(wěn)。第二階段是仿真實操六到八周。選擇一個主流仿真平臺完成一個“抓取-放置”任務(wù)的完整閉環(huán)仿真環(huán)境搭好、視覺感知輸出物體位置、規(guī)劃算法計算抓取位姿、控制模塊執(zhí)行動作并反饋狀態(tài)。這個閉環(huán)意義重大因為它覆蓋了數(shù)據(jù)、算法、控制三個賽道的底層交互做完就是半個行家。第三階段是真機微調(diào)四到八周。租用或者借用一臺帶機械臂的移動平臺把仿真里的策略做遷移。你會第一次真切體會到Sim-to-Real的差距比如仿真里完美的抓取點真機上因為相機標定誤差偏了三毫米直接導(dǎo)致脫手。真機階段的目標不是“成功”而是“搞清楚失敗點在哪里”這個思路轉(zhuǎn)變越早越好。5.3 第一個項目怎么落地路線有了具體項目怎么選我強烈建議選一個小而明確的任務(wù)比如“固定工位抓取特定物體并放入指定筐內(nèi)”。這聽起來不酷但它符合我常說的“閉環(huán)優(yōu)先”原則單目相機四自由度機械臂標準夾爪就能驗證幾乎全部核心流程而成本可能控制在幾千塊以內(nèi)。落地時把項目切成四個里程碑。里程碑一仿真里完成單物體抓取但不管位置隨機性里程碑二加入物體位姿識別和目標檢測里程碑三加入夾爪力反饋讓抓取失敗后可重試里程碑四換到真機只優(yōu)化“仿真到真實”這一個變量。每個里程碑都留下可復(fù)現(xiàn)的記錄這樣出問題時知道該查哪個環(huán)節(jié)。項目推進過程中要把“改一個變量、測一次完整鏈路”當(dāng)成鐵律。最怕的是同時改了相機標定、換了夾爪、還調(diào)了抓取算法系統(tǒng)一出問題三個嫌疑一個都排除不了。這個變量隔離的習(xí)慣不僅是項目的效率保障更是工程素養(yǎng)的分水嶺。6. 常見問題與避坑經(jīng)驗速查6.1 模擬到現(xiàn)實的經(jīng)典坑Sim-to-Real是我見過翻車率最高的環(huán)節(jié)。最典型的問題有幾個仿真里物體模型參數(shù)和真實物體不一致比如摩擦系數(shù)差太多機械臂一碰物體就滑走仿真里的相機內(nèi)參和真實相機不對齊檢測框看著對實際深度值偏了不少還有電機響應(yīng)延遲仿真里指令立刻執(zhí)行真機上有幾十毫秒的滯后高速抓取時就容易撲空。我的避坑辦法是“遷移前先降速”。真機測試第一階段把機械臂速度降到仿真里的三分之一。速度低了電機延遲的影響變小很多誤差都會被容忍掉。先把功能跑通再逐步提速每次提20%直到錯誤率開始顯著上升那就是當(dāng)前方案的性能上限。這個經(jīng)驗幫我少調(diào)了無數(shù)bug。另一個關(guān)鍵是提前做“域隨機化”。訓(xùn)練時隨機改變仿真里的光照、紋理、物體顏色和相機噪聲讓模型學(xué)到“不論環(huán)境怎么變抓取策略都穩(wěn)得住”的共性。域隨機化不要一開始就全開否則訓(xùn)練完全不收斂先只隨機一個維度跑穩(wěn)了再逐步增加。6.2 數(shù)據(jù)與硬件的隱蔽坑數(shù)據(jù)賽道上最常見的坑是“只采不清”。很多人買來設(shè)備嘩嘩采了一天數(shù)據(jù)丟給工程師就完事。實際上粗采數(shù)據(jù)里噪音的比例可能超過一半。這里我強烈建議在數(shù)據(jù)采集時就做實時質(zhì)量過濾操作員完成一條動作后系統(tǒng)自動計算軌跡平滑度、末端精度等指標不合格的當(dāng)場重做等采集完再回頭清洗成本高得多。硬件方面我遇到最坑的事情是“電源不夠”。多個電機同時峰值運動時瞬時電流可能是額定電流的三到五倍。如果電源裕量留少了機器人一動就電壓跌落控制板重啟表現(xiàn)起來就像“算法不穩(wěn)定”。排查電源問題的方法也很笨但有效用一個功率計監(jiān)測整機功耗曲線看看有沒有超過額定值。此外機械結(jié)構(gòu)的“背隙”問題很容易被忽略。齒輪箱長期使用后會有間隙機械臂名義上到位了實際末端偏了幾毫米。這種誤差是結(jié)構(gòu)性的靠算法補償不了太多只能定期做機械標定和老化檢測。我一般會在設(shè)備維護日志里加一項每周做一次末端重復(fù)定位精度測試誤差超過閾值就返廠調(diào)整。6.3 團隊協(xié)作與調(diào)試的現(xiàn)實難題最后說說團隊協(xié)作的坑這個領(lǐng)域砸的錢越多越明顯。具身智能項目天然跨算法、硬件、數(shù)據(jù)三個組而各組之間的“語言不通”是最耗時的內(nèi)耗。算法說“模型輸出有問題”硬件說“電機響應(yīng)正?！睌?shù)據(jù)說“這組數(shù)據(jù)是好的”三邊都對但沒人從系統(tǒng)角度定位問題。我自己的解決方法是每周固定開一次“全鏈路評審會”。會上只做一件事把最新的數(shù)據(jù)、模型版本、硬件狀態(tài)三項信息放在同一張表里對齊。比如模型這周成功率下降數(shù)據(jù)的平均質(zhì)量評分有沒有變化機械臂的重復(fù)定位誤差是不是變大了把變量對齊以后很多“不知道哪里出了鬼”的謎案其實答案就擺在明面上。調(diào)試階段還有一個非常實用的習(xí)慣全程錄屏加記錄日志。視覺畫面、控制指令、電機狀態(tài)三路信號要能回放同步。很多偶發(fā)性問題現(xiàn)場看是好的回放錄像才發(fā)現(xiàn)是某個時刻的感知抖動觸發(fā)了錯誤分支。沒有同步回放這類問題基本只能靠運氣碰到。7. 寫在最后回到真實場景再說幾句根據(jù)我個人帶項目的體會具身智能目前最稀缺的不是某個驚艷的算法而是能跑通閉環(huán)的團隊。數(shù)據(jù)、本體、算法三條賽道每一條單獨拎出來都有大量工作要做但真正的門檻永遠在它們交界的地方。最后分享一個心態(tài)上的建議入這一行先接受“丑的demo也是demo”。別指望第一次抓取就像科幻電影一樣流暢先讓系統(tǒng)在受控環(huán)境里能重復(fù)完成一個簡單任務(wù)再逐步增加變量和難度。這個“小步快跑”的節(jié)奏在具身智能這種軟硬交叉的領(lǐng)域尤其重要。我個人走過最虧的彎路就是一開始把目標定得太宏大。所以你現(xiàn)在準備做第一個項目的話我勸你把目標再縮小一半把時間預(yù)算再放寬一倍踏踏實實先從一條穩(wěn)定的數(shù)據(jù)鏈路開始。這個行業(yè)或許沒有一個統(tǒng)一的答案但“能跑的東西越早跑起來”一定是這句話里最接近正確的那一個。