（来源：上观新闻）
我觉得国内♏6️⃣有一个很大🇧🇮🇰🇿的优势，➰就是我们能🕶📣够在一个充☁分开放的场景里，🇲🇳🧘♀️快速利😇👄用好整个制👤造业的供应链、制👦🇳🇺造链，📩跑出全👨💻🥗球最好的具身🖋智能🆙。百度是中国自动驾🇧🇴🌫驶投入最🍞💜早、积累最深的🕦平台之一，李🦉🙈震宇操盘🇱🇨🧦过百度Apo✳国产色悠悠综合在线观看llo🇷🇸从技术到量产的完👨👩👧整路径——这🇬🇼🍾是工程化落地的🔇🧾能力👨🔧。更麻烦的是，“看⚪看模型在想什么”🧣这条路也在收窄🛄。
散热是各队🍣攻关的首要难题—🇧🇻—机器人在🎼👩⚖️高强度奔跑🇵🇸中电池、关节👝👗等持续🇹🇻发热，今年风冷、😠水冷方案都有厂家🥪👑采用😚。“具身领域的数💰据缺口非🇨🇦😛常大，光靠京东🇸🇮一家做🔥是很难满🔟🌫足需求的，🥳希望更多合作伙🇹🇿⭕伴加入，共同🇰🇳将具身智能数据从🏇数量规🇨🇨模、丰富🇵🇾👩🔬度、质量等各维🇩🇬度实现很⚔大的提升，这样才🌉能真正😶🏋️♀️推动整个行业向🇵🇫❌前发展🚎3️⃣。
具体架构❇要素： 编👱🇨🇲码器 E_θ🇫🇯：ViT🐐-L/🥛🕜H/g⭐🐛（300👨👩👧👧M–1B 👴参数），把视🧂频切成 2×👩❤️👩☑16×16⛹🏌️♀️ 的 tub🐏🇧🇦elet 预🖖🇦🇴测器 🇬🇮P_φ：一个🇭🇺🗯轻量 V🔳iT-S（约 🏊♀️22M）预测被 🏹🔨mas🚱🚒k 部分的潜🗾空间表征 使🔖🧝♂️用 3D-RoP🦒🧴E 位置编码（时🐰间+H+W） 🏬约 90%🏷 的高 m🚖ask👵🧲 比率，L1 🇲🇳🇮🇷损失，EMA t🈺🏵eacher 🇧🇻📒防止表征坍塌 🇵🇾🐢训练数⛩🚾据 Vi🛃deoMix22💁♂️😟M = 🍄2200 万🔛视频 ≈ 100🇳🇫♟️ 万小时互联👨👧🏯网视频 在 So🦄👩🌾meth🇨🇷🎭ing☁🎗-Someth👂ing v2☝ 取得🧗♀️☑ 77.3% t🇦🇫🧂op-1（运动🧀理解）👧，Epic-K🇧🇴🔚itchen🔪s-1❌🇨🇬00 动作预测👉🌆 39.7🇳🇺 R@🕊🧩5（SOTA🥔😇） 为什🚢🐫么像素重建🥟🇲🇻不适合碰撞预测🅱，而潜空🗯🇪🇷间预测适🇬🇳🔳合？像素重建优🇨🇵化的是"ℹ⏭下一帧长🇻🇳🍋什么样"（视觉🇵🇼保真度），🗯😽潜空间预测优化🈶的是"下一帧的抽🆗❌象语义/物理状🏅态"（物理🧖♂️🇳🇺因果）🍵。
