（来源：上观新闻）
这是刘耕🗂🕠走向 AI 😾迪士尼的🔵🌫方式📥。一个埋🇦🇩头在实验室🤶🥮里“造🤵⚾”机器人🎻🏃的硬科😣技标杆，一个穿梭🦷⛪在线下场景里做🇳🇷“用”机💪器人生意的🐌🥀服务平台😕🇹🇱，后者的估✋值只达🍉🇮🇳到了前🇺🇲🐞者的2🎎🍛0%🐑🐡。” 很快乘客🇹🇱↩们看见了这台🇨🇽名为“Bebo🐥p”的机📺器人，隶⚽属于美国达拉斯🦅🤼♀️设备租🇾🇹🐪赁公司E🇸🇭lite Eve👨🏫nt Rob👩🔬🔄oti🇬🇧👬cs，其本🇬🇸🧳体为中国宇树科🇹🇹🛂技生产的G1基🍪础款人形🏁🤙机器人👨👩👦👦。
Embodi🥥🇿🇦edMi⚒🇸🇳dtrai👩🚀🇸🇸n不使用🇸🇿🗃机器人场景数据微🙅调VLM，而👠🥌是从VLM原🌕🍏有的海量训练数🥬🇦🇹据中筛选出与👣机器人任务"🏒⚾世界观"更🇮🇷接近的子集，💙用这个精选子集🥛对VLM进行过渡🕷训练，让它在进入🍰机器人专🇲🇶项训练前就⛷具备更好的基础♑🤙状态🇲🇸。
发现四：人类觉🧷🥨得难的，👨👩👧Agent 不一🥰📈定觉得📭👩👧👧贵——🏘🇰🇲难度感知完全🗾错位 你可能会想🌗🌈：那至🚛少我可以根据任务💠的难易程🔌🤕度来预估成本吧？🇬🇧 论文找来人类🏩🗃专家，对🇪🇹 500 个🧞♂️🐞任务的难度进🐮🎲行评分，然后和💤 Agent 💊🇬🇳的实际 Tok🦹♂️👯♂️en 🥃🇨🇲消耗做🌻对比——🇹🇦🐾 结果：两者之🎯🏈间只有弱🍚相关😿🏜。
