💡
原文中文，约4400字，阅读约需11分钟。
📝
内容提要
英伟达的Jim Fan宣布VLA（视觉-语言-动作）架构已过时，推出新范式WAM（世界动作模型），代表作DreamZero。WAM通过人类第一人称视频训练，提升机器人自主设计能力，预计2040年前实现机器人自我制造。新模型强调视觉和动作的重要性，告别遥操作数据，采用外骨骼装置采集数据。
🎯
关键要点
- Jim Fan 宣布 VLA（视觉-语言-动作）架构已过时，推出新范式 WAM（世界动作模型），代表作是 DreamZero。
- WAM 通过人类第一人称视频训练，提升机器人自主设计能力，预计在 2040 年前实现机器人自我制造。
- 新模型强调视觉和动作的重要性，告别遥操作数据，采用外骨骼装置采集数据。
- EgoScale 使用 21,000 小时人类第一人称视频预训练，发现灵巧操作的神经缩放定律（R² = 0.998）。
- Dream Dojo 是一种神经仿真器，利用视频世界模型进行训练，无需物理引擎。
- Jim 预测在 2040 年前完成机器人终局，置信度为 95%。
❓
延伸问答
Jim Fan 宣布了什么关于 VLA 和 WAM 的变化？
Jim Fan 宣布 VLA（视觉-语言-动作）架构已过时，推出新范式 WAM（世界动作模型），代表作是 DreamZero。
WAM 模型如何提升机器人的自主设计能力？
WAM 通过人类第一人称视频训练，提升机器人自主设计能力，预计在 2040 年前实现机器人自我制造。
DreamZero 是什么，它的工作原理是什么？
DreamZero 是一种新型策略模型，通过先“做梦”几秒钟来预测未来的动作和画面，强调视觉和动作的重要性。
Jim Fan 对未来机器人的预测是什么？
Jim Fan 预测在 2040 年前完成机器人自我设计和制造的目标，置信度为 95%。
EgoScale 的训练数据来源是什么？
EgoScale 使用了 21,000 小时的人类第一人称视频进行预训练，几乎没有使用机器人数据。
为什么 Jim Fan 认为遥操作会被淘汰？
Jim 预测遥操作的使用将在一两年内降到接近 0，因为它的物理限制和效率低下。
➡️
