偉大的平行路徑
機器人學正複製 LLM 的成功模式：先進行世界狀態的預訓練（模擬物理），再透過動作微調對齊現實需求，最後由強化學習完成最後一哩路。
NVIDIA 機器人學的終局之戰：VLA 時代終結，世界行動模型 WAM 登場
✓ 這篇在你的庫裡
在摘要庫開啟 →
這部在講什麼知識講解
NVIDIA 機器人專家 Jim Fan 闡述如何複製大語言模型的成功路徑到機器人領域，並提出「世界行動模型 (WAM)」與「第一人稱影片預訓練」將成為具身智能的終局解決方案。
適合誰關注 AI 趨勢、具身智能與機器人技術的開發者或科技愛好者。
關鍵概念理解機器人學習從 VLA 轉向 WAM 的核心邏輯、掌握數據規模化的最新路徑、預見 2040 年機器人科技樹的終點。
最值得看7:25 宣告 VLA 時代終結，正式進入 WAM 世界行動模型時代。
概念地圖
概念與關係意義優先，時間戳用來導航
從 VLA 轉向 WAM 模型
傳統 VLA (視覺語言行動) 偏重語言知識而非物理直覺；新一代 WAM (世界行動模型) 透過預測影片像素，讓模型自發湧現重力、浮力與光影等物理規律。
Dream Zero 零樣本學習
一種新型策略模型，能「想像」未來數秒的情境並據此行動，實現對從未見過的任務進行零樣本（Zero-shot）執行。
Eagle Scale 數據革命
利用 2.1 萬小時的人類第一人稱視角影片預訓練，僅需 0.1% 的機器人數據即可學會摺襯衫、操作注射器等靈巧動作。
神經模擬器 DreamDojo
捨棄傳統物理方程式，改用數據驅動的神經模擬器，將運算能力直接轉化為訓練環境與數據，實現大規模並行學習。
機器人科技樹的三大里程碑
未來需解鎖：物理圖靈測試（人機操作無異）、物理 API（自動化熄燈工廠）、物理自動研究（機器人自我迭代）。
看完可以做什麼
關注並研究「第一人稱視角影片 (Egocentric Video)」的標註技術，這是未來具身智能數據飛輪的核心。需要留意：目前世界模型仍會產生「物理翻車 (Physics Flop)」或幻覺，且模型（如 Dream Zero）在任務穩定性上尚未達到 100% 可靠。
生成於 2026-07-11
檢舉
早期觀眾反應
整理 1 則有效留言信心 低早期觀眾對影片內容給予正面評價，展現出對機器人技術發展的關注。
早期觀眾對影片內容表達了高度肯定與正向的反應。
目前僅整理 1 則有效留言，反應仍可能改變。