香港大学席宁：机器人要学物理世界，光靠数据还不够

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

核心结论（一句话）

具身智能不能只沿用语言模型的“规模化数据”路径：机器人行动需要逻辑、空间、时间和物理交互的共同约束，而数据学习、有限状态机、动力学和运动学等知识应融合并在真实场景中接受检验。

分类提炼

场景：人形机器人、具身智能、物理世界学习
类型：专家访谈 / 技术路线与产业成熟度判断
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

知识节点（8 个独立概念）

应用检验：机器人技术是否成立，应由真实任务的稳定性、效率与可部署性检验，而不是资本热度或演示效果。
路线收敛：VLM、VLA、世界模型等具身路线仍在竞争与验证，尚不能视为已解决物理理解。
多维关系：机器人行动同时受逻辑、空间、时间和互动关系约束，模型必须处理这些关系的耦合。
动作数据：能关联动作、环境状态和后果的交互数据，才可用于学习可靠控制策略。
数据缺口：物理世界不存在互联网文本式的大规模现成操控数据，获取和标注成本限制了纯数据扩张。
符号模型：有限状态机等任务结构能表达离散状态、转移与约束，属于可复用的机器人知识。
物理先验：动力学与运动学用可计算关系表达力、运动和约束，可减少系统对样本规模的单一依赖。
知识融合：数据驱动与结构化物理知识的结合，应以任务效果验证，而非将任一方法当作唯一答案。

数据不是唯一知识来源

语言模型受益于海量文本、搜索和相对成熟的标注机制。机器人控制不同：抓取和移动不仅要判断任务先后，还要理解对象位置、速度、力度与环境反馈。互联网并没有与这些物理后果相连的、可直接复用的大规模动作语料，因此“扩大数据规模”在机器人领域同时受到采集、标注、场景覆盖和质量控制限制。

原文提出的补充方向是复用机器人领域已有的知识表达：有限状态机、动力学、运动学等。它们与数据并非对立：前者把人类对规律的提炼编码为约束，后者从交互样本中学习难以手写的模式。真正的技术问题是如何融合，并以复杂、变化任务中的稳定表现检验融合是否有效。

从模型热度到工程判断

文章对行业热度保持克制：新技术出现资本预期、同质化和回调并不意外；最终差异由能否形成应用决定。标准通常在参与者和协作增加后才成为必要基础设施。对中国的潜在优势，原文只给出条件性判断：大市场和多场景能够持续产生数据，但数据量本身不是优势，筛选、整理和转化为高质量可用数据才是关键。

对 Seetong 的启示

对设备侧 AI 功能，录像、报警和传感器数据应保留事件、时间、空间 / 设备状态和操作后果的关联，不能只积累静态截图或文本标签。
设备流程、权限、在线状态、告警状态和播放器状态机可作为“符号模型”约束，与模型判断一起参与决策，不让模型直接猜测不可违反的业务状态。
视频理解、告警分诊或设备控制的评估应按真实环境变化、异常恢复和安全边界验证，不能以单次 demo 或离线准确率替代。
先在有限场景验证融合路径，例如告警截图 + 设备状态 + 规则引擎的分诊建议；人工确认结果回写为可审计数据，再决定是否扩大自动化。

证据边界

本文是腾讯科技对席宁的访谈整理，不是论文、基准报告或机器人技术路线的系统综述。
“目前没有路线彻底解决物理规律学习”“中美路径差异”等是受访者在 2026-08 的专业判断，不应解读为行业定论。
文章未给出 VLM / VLA / 世界模型的可复现实验、数据规模、融合架构或性能比较；本页不据此推导具体技术选型。
宇树股价、资本市场与产业规模相关背景仅作为访谈语境，不作为投资或市场预测依据。

关联图谱

上游（基于 / 来自）

[[06-ai-tech/傅盛-李飞飞-机器人世界模型与人的自主性]]：该文解释物理数据、状态预测、行动规划和反馈闭环；本文补充数据不足时的符号 / 物理知识融合。
[[06-ai-tech/WAIC之夜-Physical-AI-下一个范式]]：该圆桌讨论仿真、视频和融合路线；本文提供动力学、运动学与有限状态机的专家视角。

下游（应用于 / 验证于）

[[06-ai-tech/量子位-李飞飞-Huberman-AI不替代人]]：机器人和高风险应用需依据数据边界与人机协作设计，不将模型能力直接等同于责任转移。

同级（横向 / 并列）

[[06-ai-tech/WAIC之夜-Physical-AI-下一个范式]]：前者偏产业圆桌中的技术路线竞争，本文偏物理知识与数据的互补关系。

相关链接