弯道超车？国产具身，千小时人类数据激发智能涌现

本文背景是当前具身智能领域普遍依赖机器人真机或仿真轨迹数据，但面临泛化能力不足的瓶颈。研究目的是探讨通过利用人类第一视角数据来让模型学习物理常识，从而提升机器人操作智能的新范式。文章以深度机智公司为例，介绍了其通过构建数据翻译管道（Egocentric2Embodiment）、设计双脑架构（TwinBrainVLA）和改进训练算法（LangForce）等技术，仅用千小时人类数据便在多个基准测试中取得领先。结论表明，优先让模型理解物理世界规律（“先理解，后执行”）比单纯拟合动作轨迹更高效，能实现更好的泛化、涌现能力和数据效率，这代表了具身智能发展的一个重要方向。