机器人学的不是动作,是情境——从场景设计视角看人类视频如何赋能具身智能
IJCAI 2026关于人类视频赋能机器人学习的讨论正在重塑具身智能的技术路径。从工业设计的场景设计与人机交互视角审视,人类视频并非单纯的训练数据源,而是蕴含操作语义、情境逻辑和交互意图的设计命题。本文深度解析潜在动作、显式2D、显式3D与世界模型四条技术路线的设计含义,剖析视频切割、本体视角双重差异、评测基准失效三大开放难题,并结合冯志远专访观点与微软亚研院VITRA布局,探讨数据规模与场景质量、泛化与专精、技术路线与用户需求之间的平衡设计方法论,为机器人产品从实验室走向真实场景提供设计层面的思考框架。
2026-08-08