投入的 GPU 越多，生成的数据就越多，而且数据是实时的。如果您只收集真实机器人的数据，那么每天的时间就会受到限制。借助 GPU 加速模拟器，我们可以将实时速度加速到超过 .次。我们能够在相同的工作时间内以更高的速度收集数据。
但模拟的弱点在于，无论图形管线有多好，模拟与现实之间总会存在差距。物理定律和视觉效果与现实世界不同，内容也不像我们在现实世界中遇到的情况那么多。最后，还有真实的机器人数据，它在模拟和现实之间没有差距，因为它是在真实的机器人上收集的，但收集起来要昂贵得多，因为必须雇用人类来操作机器人。
而且它们仍然受到现实世界中时间的限制，每天只有一个小时，并且需要人们收集这些数据，这是非常昂贵的。因此，我们认为这三类数据各有优势，成功的策略就是结合它们的优势，消除它们的劣势。 Sonia Huang Jensen 讲台上那些可爱的机器人真是一个美妙的时刻。
如果你有一个五年或十年的梦想，你认为你的 瑞士手机号码数据 团队会实现什么？ Jim Fan 这纯粹是猜测，但我希望在未来两三年内我们能够看到机器人基础模型的研究取得进展。这就是我们所说的机器人领域的 GPT 时刻。
之后就不确定了，因为机器人是技术问题。机器人必须价格实惠且能够大规模生产。我们还需要确保硬件安全，以及隐私和监管方面的考虑。这些问题可能需要更长的时间才能将机器人推向大众市场，因此更难以预测。
但我希望研究进展能在未来两三年内取得。 Stephanie Zhan 您认为人工智能机器人领域的 GPT 时刻会是什么样子？吉姆·范 这是一个好问题。我喜欢将机器人分为两个系统：系统和系统。
这个概念来自《思考，快与慢》一书。该系统是一种无意识且快速的低级电机控制。例如，当我拿起这杯水时，我并没有真正考虑我是如何每毫秒移动我的手指的。这是系统一。另一方面，系统是缓慢而深思熟虑的，更像是利用我们有意识的思维进行推理和计划。
我认为 GPT- 会在某个时候出现在系统一上。我最喜欢的例子是动词“打开”。考虑一下“开放”这个词的复杂性。打开门与打开窗户不同，打开瓶子或手机也不同。但人们理解“开放”意味着与不同对象交互时的不同动作是没有问题的。