（来源：上观新闻）
该项目的🍗工作流🤼♂️程如下：🐒🎱 01 首先利用🔬🇩🇴小规模✊真值轨迹🐪训练逆动力学模🔸🕴型（I🇵🇭🏒DM：Inverℹse Dy🦚nami🈂🍱c Mo🏆🚶del），使I🌿DM在仅观察🖍视频时推断细🕙粒度的键鼠动作序⛹️♀️🧿列； 02 随🇩🇰🇱🇸后用该模型对大💱规模公🥞开视频进行🇯🇵🐽自动动🧿作标注，形成🏗🇨🇬系统化的🕝“视频-动作”弱🕯🇺🇿监督数据😺； 03🇩🇬 在此基👎☮础上，通🛁🌽过行为👾克隆在自动🥎🇨🇦标注数据上训练☎基础策略，使模型📕能从视觉历史直🎽接预测🧁🐉下一步键鼠操作😁🇯🇲； 04🥶🚠 模型通过小样本😖💐微调适配🐻🇳🇿特定任务，或在可🐤定义奖励的环🏍🇧🇮境中结♏🎃合强化学习提升目🇧🇫✳标性能🅿。
他预测，未来五✅🇫🇷年，在血管介🌲入机器人的辅🔐助下，医生🍏能快速掌握高🥫难度手术🚞🌬，降低学习💝曲线，并能延💌长职业生涯🧝♂️🎹。但真正值得研究🙊的，不是De☪epSee🤥k与Kim🅰i之间的竞争，📻而是它📯们之间悄然发生的🤥🔠技术共生🍅。不仅多，热度🇸🇹🚁和销量😂✝还都不差💮。这种高密🇧🇩度的反馈循🚷环，极大地加速☣了算法从提出到优👩👦👦😓化的迭代🧺效率，使得在🏙现实中需要数⛵年的进化过🥾🧱程得以在🍉虚拟时空中快🇧🇾🚮速收敛🆓。
