具身智能稀缺的数据可能藏正在这个逛戏手柄里
|
并且，分歧场景对应的具体交互体例需要细分：工场场景的抓取，仓储场景的分拣，家庭场景正在柔嫩、易碎、犯警则的物体上精细操做，这要求模子必需具备力度节制、形变预判等能力。截至目前，公司同样没有公开展现精细操做的案例。
锻炼动做模子时，Medal 的逛戏用来做根本预锻炼，逛戏设备发生的操做数据取代了保守的言语指令或动做示范，让模子控制取实正在世界交互的根基纪律。
General Intuition 还有一类特殊的数据来历。皮姆称，他们会按照客户“可否供给对研究有价值的实正在世界数据”，优先选择合做对象。好比能供给风趣、有用、能鞭策研究进展的实正在世界数据的客户；以及团队组织矫捷、能做为深度合做伙伴配合进修的公司。
OpenAI 以非营利研究机构起身，2015 年成立时的宣言是“以最有可能全人类的体例推进数字智能的成长”。为了融资和吸惹人才，2019 年设立了具有益润上限的营利实体架构，此后颠末多次调整，2024 年一度提出完全转型为通俗营利公司，激发庞大争议。
为处理这一问题，General Intuition 推出了众包平台 Nerve，让玩家用本人的逛戏设备赔本。Nerve 能够按需自动补齐数据缺口，不消“坐等”现无数据笼盖所有场景。无需从头设想逛戏或改变操做习惯，用户就能完成根本的数据标注，以至是近程操控机械人等复杂使命。
但 VLA 模子的物理曲觉一曲是个短板，施行使命时，模子无法对方圆世界成立准确的物理纪律认识，机械人就无法精确步履或实现交互。
皮姆但愿，General Intuition 能够成为具身智能范畴的 OpenAI，他们也确实正沿着这一径前行。
General Intuition 目前的架构同样是公益公司（Public Benefit Corporation），一种要求企业正在押求利润的同时必需考虑更普遍社会影响的法令实体。
2026 年夏末，General Intuition 将向更多客户 API，借此机遇我们能够不雅望，这个复杂的逛戏操做记实库，事实可否机械正在物理世界中靠得住地施行使命。
当客户的专有经验变成公共能力的一部门，晚期市场的矛盾虽不锋利，一旦赛道成熟、客户之间起头合作，数据管道的稠浊将发生诸多麻烦和胶葛。
再者，General Intuition取企业公司的合做模式无法脱节布局性好处冲突。例如，客户向根本模子公司上传数据，模子却同时办事其合作敌手。此时，客户贡献的数据越奇特、越有价值，被通用模子接收后，反而有益于敌手的成长。
然而，General Intuition 的成长照旧存正在一些不容轻忽的问题。用于演示的四脚机械人，默认模式是漫无目标地“摸索”。这虽然了动做模子具备自从能力，但正在实正在落地场景，具身智能的使用不成能止于，可否按照指令完成使命才是查验尺度。目前，General Intuition 并未引见其模子正在具体使命表示上的进展。
正在电子竞技社区，玩家总会乐于分享本人的“高光时辰”。瞅准这一需求，皮姆于 2018 年开办了逛戏录屏分享平台 Medal。
具身智能范畴的支流模子是视觉-言语-动做模子（VLA），其根基逻辑是：用天然言语告诉机械人要做什么，模子连系视觉察看和言语指令，输出对应的动做序列。VLA 的预锻炼根本是视觉-言语大模子，再针对实正在机械人操做数据进行微调。
玩家正在打逛戏时随手按个热键，即可将前几秒的逛戏画面剪成短片，保留并发布。平台目前正在全球具有 1，700 万月活跃用户，每年上传约 20 亿条来自上千款逛戏的玩耍片段。
这种分歧寻常的放置有其合：正在具身智能范畴，实正在世界的多形态数据极端稀缺。四脚机械人、无人机、工场机械臂，以及从动驾驶等场景都需要特地的数据采集设备和大量投入。要想全笼盖，成本不可思议。
该策略的理论根本是将逛戏的视觉帧和玩家操做同一编码为可预测序列，用途理言语的体例处置逛戏交互。取言语模子预测下一个词雷同，动做模子预测的是下一步动做。
而和分歧范畴的机械人公司合做，以此反哺根本模子。对数据的大客户来说，这种放置可能会成为妨碍。但对于一些晚期机械人公司而言，“用数据换一个越来越强的根本模子 API”，比从零锻炼更划算。
General Intuition 还为模子建立了“锻炼场”（the gym），操纵世界模子逐帧生成近乎无限的仿实，具备初步交互能力的动做模子智能体（agent）正在此中自从摸索，以此实现能力的规模化扩展。
谜底可能能否定的，领投 General Intuition 种子轮和 A 轮的维诺德·科斯拉（Vinod Khosla）强调，Medal 上的视频记实能供给一类特殊的“人类反映数据”，即玩家正在逛戏中面临突发不测时的天性选择。做为一种从数亿年生物进化和数十年小我经验中发生的先验，人类的立即反映可能是 AI 正在短期内难以自从出现的能力。
正在 VLA 线内部，Physical Intelligence 借帮人类示范，间接采集机械人正在实正在世界中施行使命的操做数据，认为机械人模子必需正在实正在世界中进修；Skild AI 同时收集人类勾当视频和物理引擎模仿获得的仿实数据。
Medal 创始人皮姆·德·维特（Pim de Witte）透露，2024 岁尾，OpenAI 曾提出用 5 亿美元收购 Medal，但皮姆最结束这笔买卖。
公司成心避开硅谷的 AI 创业空气，将学问产权和数据放正在荷兰，团队大部门分布正在纽约、、巴黎、伦敦等世界各地，皮姆本人声称，“找不到任何待正在硅谷的来由”。
AlphaGo Zero 早已证明，正在围棋等法则封锁、方针明白的范畴，AI 通过棋战控制的技术脚以超越人类。因而，对于动做模子，只需它的虚拟“锻炼场”够强大，也就不再需要人类数据了？
General Intuition 的价值不雅许诺是明白不做致命自从兵器系统，这源于皮姆本人正在从义范畴的工做履历，此外，首席幕僚布里安娜·马丁（Brianna Martin）曾公开辞去正在国防 AI 公司 Palantir 的职务，后者取美国移平易近取海关法律局（ICE）的合做。
按照皮姆的说法，数十亿条带按键标注的逛戏数据，构成了一个复杂的“企图-动做”数据库。所有能被逛戏手柄和键鼠节制的事物，模子都能学会，进而驱动机械人正在实正在中实现方针。
取大大都从第三人称视角记实的逛戏视频分歧，Medal 上的视频不止包含酷炫的视觉设想和过场动画，还有玩家的具体操做。
General Intuition 推出的动做模子间接绕开了 VLA：不依赖言语指令，模子间接从视觉场景中自从判断下一步步履，并输出适配具体机械人的原生节制信号。
只不外，OpenAI 正在规模化过程中的选择取扭捏，对 General Intuition 来说，大概只是时间问题。
这种能力无关身体形态，无望拓展至四脚机械人的关节节制信号、无人机的姿势调整信号，以及从动驾驶汽车的标的目的盘和油门等。
演示显示，General Intuition 建立的 AI 智能体已正在一个类《碉堡之夜》的逛戏中持续玩了 100 小时。而取其共用一个根本模子的大型四脚机械人，依赖一只摄像头充任单眼，再加上户外线 分钟微调数据，即可自从摸索完全没见过的室内，只是偶尔会撞上垃圾桶或剐蹭椅子腿。
维诺德曾给出判断，General Intuition 取 Medal 的专无数据将使其成为一次“世代级的赌注”。无论若何，公司都该走下去。
大概是遭到 OpenAI 的，2025 年 10 月，皮姆亲身，开办了机械人模子公司 General Intuition，并获得 1。337 亿美元种子轮融资。2026 年 6 月，这家只要 25 位员工的公司颁布发表完成 3。2 亿美元 A 轮融资，杰夫·贝索斯（Jeff Bezos）等人参投，公司估值达到 23 亿美元。
按照 General Intuition 的思，客户是 API 的采办者，也是数据供应商。比拟之下，大都以 API 形式供给 AI 办事的公司，正在贸易化阶段城市明白许诺，晦气用客户输入的数据来锻炼本人的模子，或者至多供给退出选项。
逛戏数据正在具身智能的物理交互方面虽然有庞大潜力，但从到操做的跨度，可能比从逛戏到更大。
据此，除非 General Intuition 能为分歧场景的机械人“量身打制”一套逛戏法则，不然，动做模子大要率将成为机械人模子中的一层，雷同于人的活动神经和空间曲觉，为机械人供给正在物理中挪动和交互的底层能力，施行层面仍然由 VLA 模子等具备使命规划能力的模块完成。
不外，正在 Medal 的热度榜单中，前十名几乎满是第一人称（FPS）或第三人称（TPS）的射击类逛戏以及竞技类逛戏。这些逛戏更看沉、对准、走位，模仿驾驶、飞翔或物理解谜相关的逛戏数据不敷多，锻炼数据的多元性存正在局限。 |
