# 01 EAI-Overview

## 汽车工厂机器人

核心：预设计并计算轨迹，随后只是重放轨迹，实际上是不断 “重放”

问题：

-   部署耗时
-   无法灵活处理多任务

如果想要足够通用，则需要像人，才能实现 “通用机器人”（Task generalists），能够形成 **perception-action loop（感知 - 动作循环）**。

实际上是形成了一个神经网络：

-   输入：本体状态、控制信息、环境信息
-   输出：下一步的关节控制

## VLA (Vision Language Action Model)

神经网络：

-   输入：V (vision) + L (language)，现在有 VLM 模型
-   输出：A (action)

思维活动：

-   快系统（Faster system）：动作生成
-   慢系统（Slower system）：复杂推理

人脑：

-   大脑进行感知
-   小脑控制动作

观点：**没有具身智能，就没有 AGI。**

## 困境

具身智能最大的问题：缺少真实数据，不能满足 Scaling Law 所需的数据量。

和智能驾驶不一样，在真实世界中快速采集到所需数据是几乎不可能的。

神经网络还有一个问题，就是泛化性，因为在真实世界中数据的分布可能会与训练集的分布不一致。

可能的解决方法：合成数据。

优点：

-   无需注释
-   高效节约时间
-   可转移到现实世界