机器人看人类视频，究竟能学到哪一步？

📋总体概括

研究者尝试用一百万小时级的人类操作视频训练机器人，让其学会转钥匙等操作任务。核心问题在于：人类视频能帮助机器人看懂任务、预测后续画面，但从视觉理解跨越到真实控制机械臂，仍存在巨大鸿沟。视频数据提供了低成本的大规模监督信号，却无法完全替代真机遥操作与强化学习采集的带动作标签数据。这一探索指向具身智能数据瓶颈的潜在解法——用海量人类行为先验压缩昂贵的机器人数据需求，但当前能力边界依然清晰。