（来源：上观新闻）
为什么数据的多样🧓🚯性比数据量更🏠重要？ 用训练🇬🇹🌹RT-🦗X模型的实🇬🇪💪欲望旅馆验结果来说👦🎂明：RT-🇨🇳1-X🖱在小数🏄🏌据域的表现比单🚴🔩独训练的模😩型高了5👤0%，RT-2-7️⃣⏯欲望旅馆X甚至涌现出®了原模型没有的💿⏭空间推理能力🌰，是RT-🇸🇮🦵2的3倍，🚉📦能理解“on🥶”和“👨👨👧👦📉near🇫🇯🍆”这种细微的语言⚔差异，这意味⏺着它开😱👨⚖️始理解语言中的空🐢🇹🇷间语义👨🔬，知道“on”🚇🤔意味着物体之间要✋建立接触和支😎🕸撑关系，而“ne🇰🇼🌍ar”👺🍳只是空间🇰🇵邻近🇪🇨。
对比纯粹的社区开🤫源，比如O🕤pen🥎🎹VLA和Oc🍐🐻to没有任何硬👇😰件绑定，↔没有生态锁定，在⏸👨🦱任何GPU🌮上都能跑⚓。通用大模型的本质🏊♀️🇪🇨是基于概率预测🌫🍝生成内容，其🛣输出天然带有不确🇧🇬🙆♂️定性🥘🐍。柯丽一鸣👜（Kay 🐒Ke） 👩🎨Phys🇳🇺🇨🇫ical 🏚🥊Intel🕣🥳ligence🗂研究员，π₀👍、π₀.₅论🍣🇯🇴欲望旅馆文作者 我🙇♀️觉得能和业界、📞💆社区分享一下模🇹🇭型，并且能够帮助🦚到大家很快地上🗼手，可能也是✡在变相地降🐽低机器人🐇模型研究的一🇭🇲个入门门槛吧🦸♀️🏞。
再说一句数🛡据的问🇺🇲🇩🇲题，因为🇯🇵这是目🇸🇴前机器人领域🏥最大的挑战，🏏🇵🇬我们的嘉♠🇯🇴宾之间分歧也很大📱，一派认🛥为大语言模⛺🌠型已经👩🎨🇪🇺包含了足够的物理🥈🧜♀️常识，只需少📠👅量机器🏖人数据微调，而另🥌外一派认为🐊物理世界的细节🇦🇺1️⃣必须用🛣👨👦👦真实的机器🇧🇹人数据来学🇵🇦🙂习，互联网视频⛅🇻🇬远远不够📱。
