机器人终局:物理AGI路线图与LLM类比

05-08 22:32

阅读原文→
演讲者以"Robotics: Endgame"为题,提出解决物理AGI的路线图,直接类比LLM的成功路径。核心观点包括视频世界模型作为第二预训练范式、世界行动模型(WAM)、机器人数据收集策略(类似FSD的物理数据飞轮)、EgoScale和灵巧性缩放定律、物理强化学习 bridging the last mile,以及DreamDojo端到端神经物理引擎。预测物理AGI的实现比预期更近,并提及2016年参与OpenAI DGX-1签署与Jensen和Elon的个人经历

原文内容

机器人终局:物理AGI路线图与LLM类比

作者:Jim Fan / @DrJimFan
发布时间:2026-05-08T14:32:53.000Z

I promise this will be the best 20 min you spend today! Robotics: Endgame, the sequel to my last year's Sequoia AI Ascent talk, "Physical Turing Test". I laid out the roadmap for solving Physical AGI as a simple parallel to the LLM success story. Be a good scientist, copy https://t.co/yaFZbuUKPP