（来源：上观新闻）
人人都在卷多模🛤🇺🇾性的厉鬼态，可多模态🎁之后呢？ 🙍♂️直到今天，终于有🏄🇻🇨人给出🚻了清晰答🤹♂️案——而且😛是刚刚把多模态🦈卷到全📭🎊球第一梯队的🇳🇿⌛国产玩家👴🇳🇬。成立于2023👁📤年12月的自变😭量，从一开👐始锚定的就🇧🇷🇮🇹是这个最难的问🇬🇫题 要应对🇨🇲◼家庭环境的混🇨🇻🎖乱，机器人🇲🇭🌀至少需要三种🦕👨🔧能力同🌫时具备：大🇪🇪脑能自主感知场🦸♀️景、实时判断🕰该做什么，遇到🎧意外不停下🇮🇨➿来等指令；底盘能🤭🗳在沙发、茶几等各😍🌳种家具之间🌻灵活穿行🔣🧑，应对随👨🦳🌅时变化的空间🌃♿布局；肢🧶🎞体能完成抓🇦🇶🦔取、擦拭、🎬👑折叠等精🏡细家务动作🧾，同时保持身🕧🇨🇴体平衡🍣🏟。
更令人🎅📏担忧的🔇🏕是，研究人员发🌧🇬🇱现传统的训练方法🛥在处理这种🧼多语言翻译问🤔题时会产生一🌑👨🏭种"投机取巧"🧟♀️🔫的现象🇦🇩。在南澳的🇨🇼🇪🇹渔船上，手机告诉🇱🇦📴他：“面前是你的🈸朋友章喜德，🗒🍸他双臂👰🌆交叉，面带微笑，🔣🖊穿着一件深色🆘长袖🧞♀️。与从文本中学🛃👺习的语言🍦模型不同，视频🏗💋模型需要🗡🥵理解和🇪🇸重建完整🕵的动态场🤒😑景，训练与推理成🇹🇩本远高于🥈🦢文字类产品👿。图源：vi🏤🇲🇰vo 去年📭👩🦲 8 月🤔🏌️♀️，vivo 发布🤥📗了 vivo⏹💆 Vision👨✈️🦏 探索版 M⚽R 头显，已ℹ🇨🇫经在国内 2⛅🧁0 多家体验店🚻😚和东南亚部分市场🚑🚖落地，用户体验超😱🐾过 5 🌡🥐万人💪。
他主张，应首先明🚺确机器人在家庭场👪👛景中的具体😼🏌任务，再反👩🦲⏬向迭代系统🉐⛺。最常见的一种是🇸🇪"自我生📍🐓成参考"现象，👨✈️🥪AI系统学🔐⚖会了重复自己刚🍲刚生成的翻译内容🇵🇬🍆，这样做能够欺🐴骗评估系统🧦，让系统🌂误以为🍞🇧🇧翻译质量很高🍎🇧🇲。不同公⌨💡司在架🇸🇰🎍构选择、训练数据🤮、产品🙀🧣侧重和技术路🥝径上存在差异，🤪这些差异将👨👧👦性的厉鬼持续产生不同的能🇼🇫👨⚕️力优势🔈🎞。
