腾讯“人本”采集 助力具身模型加速进化.pptx

“人本”采集助力具身模型加速进化

从“RIPVLA”到WAM：答案指向UMI数据01模型范式变了从直接预测动作，走向预测未来世界+动作02数据需求变了视频中的物理交互序列成为更密集的训练信号03数据入口也要变需要低成本、多场景、少本体鸿沟的数据采集方式近期热图“RIPVLA,longliveWAM”背后的问题：机器人需要先理解世界如何变化，再决定如何行动。今天的核心判断：WAMera的数据，不仅要有动作标注，更要能覆盖真实世界状态变化；UMI是规模化入口。Sourcesusedinrewrite:AIAscent2026talksummary