这家初创公司押注：机器人将迎来“ChatGPT时刻”

当 ChatGPT 在 2022 年末横空出世时，它用海量文本数据证明了“规模法则”在语言领域的魔力。如今，一家名为 General Intuition 的初创公司正在押注下一个奇迹：让机器人也经历同样的“ChatGPT 时刻”。该公司的核心论点是，视频游戏中的海量交互数据——而非昂贵的真实世界采集数据——可以作为训练物理 AI 基础模型的“数字学校”，使机器人在极少的真实数据下就能学会复杂任务。

游戏数据：物理 AI 的“教科书”

传统机器人训练面临一个根本性悖论：要教会机器人抓取一个杯子，它需要在真实环境中反复试错数千次，每次操作都可能损坏硬件或耗时耗力。而 General Intuition 提出的方案是将训练过程迁移到虚拟世界。他们从各类开放世界游戏、模拟器甚至电子竞技录像中提取了超过十亿帧的交互数据，涵盖了抓握、移动、物体定位、环境适应等数十种基础物理行为。

“游戏数据就像一份免费的午餐，”公司创始人兼 CEO 在采访中表示，“一个《侠盗猎车手》里的角色可以行走、跳跃、驾驶、捡拾物品，这些动作与真实世界惊人地相似。我们只是需要教会模型忽略游戏的卡通风格，抓住物理规律本身。”

这项技术的核心是一个名为“IntuitionNet”的架构，它从视频数据中学习视觉与动作的对应关系，形成所谓的“物理先验知识”。例如，模型通过观察游戏角色如何避开障碍物或调整握力，就能内化重心、摩擦力等物理概念，而无需手动编程。

从语言到物理：基础模型的进化

这一思路与 ChatGPT 借助海量文本学习语言模式异曲同工。在自然语言处理中，大模型通过统计词语序列规律学会“理解”语义；而在物理 AI 中，模型则通过学习动作序列与视觉反馈的关联来“理解”物理世界。General Intuition 的核心团队包括前 DeepMind 研究员和游戏引擎专家，他们正在构建一个名为“UniPhys”的开放训练平台，允许开发者上传游戏录屏或模拟数据，快速微调出适合特定机器人硬件的基础模型。

行业分析人士指出，该方法的优势在于数据成本极低。一款主流 AAA 游戏每年可产生数百万小时的玩家操作数据，而采集同等规模的真实机器人数据需要花费数十亿美元。此外，游戏环境天然具备多样性：不同的光照、天气、地形和物体组合，能帮助模型对抗过拟合。

编者按：游戏数据不是万能药

尽管前景诱人，但游戏数据训练物理 AI 仍面临“模拟到现实”（Sim-to-Real）的核心鸿沟。游戏中的物理引擎再逼真，也无法完全复刻真实世界的摩擦系数、弹性变形或流体动力学。一个在游戏里能完美开门的机器人，面对一扇生锈的铰链门可能完全失灵。General Intuition 对此的解决方案是混合训练：先用游戏数据预训练基础模型，再用少量真实数据做微调，类似于大语言模型的“预训练+指令微调”范式。但这一策略的效果仍需要更多验证。

值得注意的是，OpenAI 旗下的机器人团队 1X、Google DeepMind 的 RT-2 等系统也都在探索虚拟数据增强，但规模上 General Intuition 可能走得最远。如果其方法成功，机器人领域可能会像 NLP 领域一样迎来“涌现能力”——未经针对性训练的模型突然学会解决从未见过的任务。这种可能性本身就值得整个行业屏息期待。

无论如何，这家公司的尝试揭示了 AI 发展的一个趋势：数据的本土正在从“人类生成的内容”转向“人类与系统的交互痕迹”。视频游戏作为最大规模的人机交互数据源，其价值才刚刚被挖掘。

本文编译自TechCrunch