# 香港大学席宁：机器人要学物理世界，光靠数据还不够 - Digest

- 原文：https://mp.weixin.qq.com/s/KnOZsDqmgkjeHANEf3Pbtg
- 来源：腾讯科技（公众号「值得关注的」）；作者：李海伦；编辑：徐青阳
- 发布时间：2026-08-23；获取时间：2026-08-24

## 核心观点

1. 机器人产业的长期检验不是资本热度，而是系统能否在真实场景稳定落地；标准会随协作和参与者增加而变得必要。
2. VLM、VLA、世界模型等路线仍在探索，不能把模型发布或单点演示视为已理解物理规律。
3. 机器人动作同时涉及逻辑、空间、时间和力等交互关系，文本规模不能直接替代操控经验。
4. 机器人缺少像互联网文本那样低成本、大规模、可自动标注的动作数据；数据采集和质量筛选是硬约束。
5. 数据驱动应与有限状态机、动力学、运动学等结构化知识融合，以降低对纯数据规模的依赖。

## 知识节点（8 个）

- **应用检验**：机器人能力须以真实场景的稳定交付衡量，而非以热度、融资或单点演示判断。
- **路线收敛**：VLM、VLA、世界模型等方法尚未形成被充分验证的统一技术路线。
- **多维关系**：机器人行动要处理逻辑、空间、时间与交互，超出纯文本关系的表达范围。
- **动作数据**：动作、状态和物理后果相连的数据，是控制与泛化的关键训练材料。
- **数据缺口**：物理世界没有天然的大规模操控语料，采集与标注难以直接复制语言模型路径。
- **符号模型**：有限状态机等离散结构可表达任务状态与约束，是机器人领域已有知识资产。
- **物理先验**：动力学和运动学将物理规律编码为可计算约束，可辅助减少纯数据依赖。
- **知识融合**：数据学习与符号 / 物理模型的结合，是比单纯扩数据更稳健的研究方向。

## 七个分析角度与开头钩子

### 应用检验
- “机器人行业最后留下来的，不会是讲故事最好的公司。”
- “股价波动不回答机器人会不会干活。”
- “单点演示很亮眼，为什么仍不等于可部署？”

### 路线收敛
- “VLA、世界模型都在做，为什么专家仍说答案未定？”
- “模型路线百花齐放时，最需要的不是押注，而是验证。”
- “机器人真正理解物理世界了吗？答案仍然很克制。”

### 多维关系
- “抓起一个杯子，机器人究竟要知道多少件事？”
- “语言处理逻辑，机器人还得处理时间、空间和力。”
- “从会说话到会动手，中间隔着四维关系。”

### 动作数据
- “互联网有文本，机器人为什么没有现成的动作语料？”
- “机器人最缺的数据，不是摄像头拍到的画面。”
- “一次抓取失败，为什么可能比一段网页文本更值钱？”

### 数据缺口
- “数据驱动不是万能钥匙，先问动作数据从哪里来。”
- “文本标注能自动化，物理世界的动作后果却不容易。”
- “没有高质量操控数据，模型参数再大也会卡住。”

### 物理先验
- “机器人早就有动力学和运动学，为什么还要把它们扔掉？”
- “有限状态机不是旧技术，它可能是动作智能的约束层。”
- “让模型少猜一点，先把物理规律告诉它。”

### 知识融合
- “具身智能的下一步，可能不是再堆一批数据。”
- “数据与物理模型不是二选一，而是两种知识来源。”
- “真正的优势不是数据多，而是能把数据变成可用知识。”

标签： #主题/Physical-AI #主题/具身智能 #主题/机器人 #主题/世界模型 #主题/知识融合 #场景/公众号长文 #节点/动作数据 #节点/物理先验