物理AI的“ChatGPT时刻”定义与预期 - 物理AI的“ChatGPT时刻”被定义为机器人在100种或200种常见家庭场景任务中，执行成功率能达到90%甚至95%以上 [1] - 有观点认为实现上述目标约需要2至3年时间 [1] - 另有观点通过对比ChatGPT发展历程，指出物理AI目前发展水平大致处于GPT-1.6或1.7阶段，乐观预估达到类似ChatGPT级别需要5年时间，达到较为完善程度可能接近10年 [2] 物理AI发展面临的主要挑战 - 物理AI发展的最大难点之一是数据采集，与数字世界不同，物理AI需要与物理世界频繁交互，数据收集难度大且周期长 [2] - 现实场景的复杂性加剧了数据采集困难，例如机器人叠衣服操作中，衣服的纹理、颜色、款式种类繁多且不断更新，相关数据无法完全采集 [2] - 物理AI发展的另一大难点在于建模方法，包括数据、训练流程等目前尚未有明确方向 [3] 物理AI发展的潜在路径 - 世界模型被视为解决数据困境的潜在方案，通过生成式数据填补真实数据不足，使物理世界数据在体量与泛化性上媲美互联网数据 [3] - 一条可能的路线是首先利用大规模自监督数据和高质量数据训练基础模型，然后通过对齐、强化等工作将模型能力释放到物理世界场景中 [3] - 尽管上述路线被认为是可行的，但客观难度依然很大，因为尚未找到合适的建模方法与合理的数据组织形式 [3]