機器人還沒被解完，但路徑逐漸清楚

PART 1 · THE REAL GAP

不是「看懂世界」；而是能在世界裡持續做對事

影片的出發點很直接：語言模型與視覺模型已經很強，但把感知轉成可靠、低延遲、可重複的動作，仍有一段很長的距離。這不是單一 benchmark 能回答的問題。

模擬能低成本產生大量練習；但真實世界的材質、摩擦、遮擋與失誤，會讓策略在部署時失真。

機器人必須將影像、觸覺與狀態壓縮成可行動的表示，不能只停在辨識物件。

「過去十年，每一年都有人說：明年機器人就會被解決。」

— YC Paper Club 對產業循環的提醒

PART 2 · MEMORY

講者討論的 embodied memory 指向一個更實際的能力：系統要保留與下一步動作有關的歷史，並在長任務裡分辨「剛剛看見了什麼」與「現在應該怎麼做」。多尺度記憶、行動預測與世界模型，都在嘗試補上這個缺口。

PART 3 · DATA FLYWHEEL

遠端操作讓人類在難以自動化的環境中提供高品質軌跡，也能先定義哪些失敗不可接受。

模擬與學習策略可放大資料覆蓋；但部署後的觀測與回饋，仍是修正模型的重要來源。

操作工具會暴露視覺、接觸、時序與誤差累積問題，因此比單純抓取更能檢驗泛化。

若推論需要昂貴硬體或複雜維運，能力不會自動變成可用的機器人產品。

PART 4 · WHAT TO WATCH

這不是對「人形機器人何時普及」的預測。它提供的是檢查表：一個新 demo 是否有清楚的資料來源？能否跨越模擬到現場的落差？發生錯誤時如何恢復？人類是否仍能介入？當這些問題被逐一回答，機器人才更接近產品，而非精彩展示。

YOUR LENS

這一頁整理的是講者的研究討論與問題框架；完整脈絡請直接看原始影片與逐字稿。