有限理性FM

有限理性FM

0.0 (0)
Technology

知乎出品的 AI 行业播客，我们希望和真正接近现场的人一起把那些决定未来的问题问得更准确，讲得更清楚。

3d ago

对谈 RadixArk 赵晨阳：开源推理引擎、AI 的评估与信任，「礼崩乐坏」且「悲欣交集」

赵晨阳参与开源推理系统 SGLang 的开发，也是 RadixArk 的创始成员。从本科阶段的科研训练，到赴美读博，再到把更多精力投入工业界，他越来越希望看见自己的工作被真实地使用。一个模型训练完成之后，怎样才能高效、稳定地服务用户？一个开源项目，又怎样成为别人可以依赖的基础设施？赵晨阳反复强调评估的重要性：生成一个实现越来越容易，证明它正确、可靠，并承担后续维护的责任，仍然代价高昂。如果实验所依赖的框架本身出了问题，建立在它之上的结论还成立吗？同样的问题，也出现在论文与审稿中。当成果的形式越来越容易生产，认真做事的人如何得到可信的反馈？赵晨阳用「礼崩乐坏」描述他的担忧。而聊到自己的工作与生活，他又说起「悲欣交集」：AI 带来了便利，也改变了工作的节奏；那些花了很长时间形成的手艺，已经成为自我认知的一部分。技术继续向前，我们如何安放这些经验，以及创造性劳动曾经带来的快乐？时间轴00:02:13 从读博到工业界：希望研究被真实地使用 00:05:28 兴趣、信心和工程方法，是怎样长出来的？ 00:14:22 回头看第一段科研：成果可能过时，训练留下了什么？ 00:22:17 「礼崩乐坏」：论文与审稿，还能提供可信的反馈吗？ 00:26:49 当公开成果难以判断，信任退回熟人之间，新人怎么办？ 00:28:19 赴美读博，因为科研需求接触 SGLang 00:29:54 模型训练好了，为什么还需要推理引擎？ 00:33:01 从前缀树到开源开发：发现一个缺少的功能，然后把它做出来 00:44:35 长期投入一件事，会怎样改变日常生活？ 00:48:21 开源项目走向职业化：协作、选择，以及真实的犹豫 00:57:19 谁承担责任，谁拥有权力：信任怎样变成协作的基础 01:03:15 如果强化学习框架本身有问题，实验结论还成立吗？ 01:09:49 RSI 离我们多远：AI 能写代码之后，为什么验证仍然昂贵？ 01:21:48 希望 AI 替代工作，也希望保住谋生的能力 01:24:02 「悲欣交集」：一场技术变革，以及舍不得放下的手艺 01:26:00 解决问题更快了，为什么需要解决的问题也更多了？ 01:27:45 结果之外，做一件事本身的快乐本期提到的人与概念SGLang：面向大语言模型和多模态模型的开源推理与服务框架。节目讨论了它如何从一项研究工作，逐渐成为需要回应真实需求、维护可靠性的基础设施，也谈到赵晨阳参与开发的经历。推理引擎：模型训练完成之后，负责组织和执行模型计算、管理显存、调度请求的一层系统。模型能够回答问题，与它能否低成本、低延迟地同时服务许多用户之间，还有大量工程工作。 KV Cache：模型生成文本时，缓存已经计算过的注意力键和值，减少后续生成中的重复计算。它能加快推理，也会占用大量显存；如何管理和复用这些缓存，是推理系统的重要问题。参见 SGLang 的原始技术介绍。前缀树与 RadixAttention：前缀树把具有共同开头的序列组织在一起；SGLang 的 RadixAttention 利用基数树组织 KV Cache，使共享文本前缀的不同请求能够复用计算。节目由此谈到，一个数据结构怎样成为推理系统中的关键设计。参见 RadixAttention 介绍。 PagedAttention 与 vLLM：PagedAttention 借鉴操作系统的分页思想管理 KV Cache，减少显存碎片与浪费；vLLM 是基于这一设计发展起来的开源模型服务系统。它为理解节目中不同推理系统所处理的问题提供了背景。 AI Infra：支撑模型训练、推理和应用运行的基础设施，包括计算、调度、通信、存储及相应的软件系统。节目里的问题是：当越来越多的人依赖这些系统，开发者怎样证明它可靠，又由谁承担维护责任？强化学习框架与实验可靠性：强化学习实验依赖底层框架正确地组织训练、采样和数据流转。赵晨阳提出的追问是：如果实现存在错误，我们观察到的实验结果，究竟反映了方法的效果，还是系统的问题？ RSI（Recursive Self-Improvement，递归自我改进）：AI 参与改进自身能力，并让改进后的能力继续推动下一轮改进。节目区分了“模型已经大量参与开发”与“完全脱离人类的自主改进”，并讨论评估能力和验证成本如何限制这一过程。评估与验证：评估关心用什么标准判断表现，验证关心一个具体实现或结论是否站得住。节目反复涉及两者：代码可以更快地生成，但测试、复现实验、理解边界和承担责任，仍然需要投入。「悲欣交集」：赵晨阳借弘一法师的这四个字描述自己面对 AI 的感受。它既包含技术带来的便利与可能，也包含对旧日手艺、沉浸体验和创造性劳动的留恋。延伸阅读与项目SGLang 项目仓库：可以从文档、代码和开发讨论中，进一步了解推理系统如何回应真实的使用需求。 Fast and Expressive LLM Inference with RadixAttention and SGLang：SGLang 团队最初的技术介绍，解释了 KV Cache 复用、RadixAttention，以及前端语言与后端运行系统的协同设计，适合接着节目中的前缀树讨论往下读。 SGLang: Efficient Execution of Structured Language Model Programs：SGLang 的原始论文，更完整地呈现了问题设定、系统设计与实验依据。 SGLang-Omni：SGLang 生态中面向语音与多模态模型的推理服务项目，协调编码、生成、音频解码等不同阶段的计算。作为本期讨论的延伸，可以进一步了解：当模型从生成文字走向语音和实时交互，推理基础设施需要处理哪些新问题。 RadixArk：赵晨阳所在的团队，围绕模型推理与训练基础设施开展工作。节目讨论了从开源协作走向职业化之后的责任与组织问题。刘胜与《我不得不把才华埋葬在昨天》：刘胜与以自己的算子开发经历，写下 AI 改变工作方式之后，对手写代码和亲自优化的那段时光的告别。这也引出了我们关于手艺、沉浸体验与自我认知的讨论。陈嘉映《何为良好生活》：副标题为“行之于途而应于心”。节目最后借它讨论：一项活动的价值，如何体现在结果之外，也体现在参与和实践的过程之中。制作制作人／主播：君泽声音设计／剪辑：君泽、ChatGPT 知乎：闻烜、CC、冬菇
Oct 14

与清华大学莫一林对谈：与其让机器人爬楼梯，为什么不干脆装个电梯？

莫一林，清华大学自动化系长聘副教授，灵御智能联合创始人、首席科学家。清华大学自动化系学士，卡内基梅隆大学计算机工程博士，加州理工学院博士后，曾任新加坡南洋理工大学助理教授。莫一林更愿意称自己为控制工程师：模型可以有误差，事情要能做成。从给企业提交算法，到与老朋友一起创办灵御智能，他想做一个自己可以掌控的系统，也在创业中发现了人和组织的新复杂性。在完全自主的机器人到来之前，他希望先造一台"好开"的机器人，让人顺手地操作、积累好数据，再逐步减少人工介入。我们从控制理论聊到人机共驾，也聊工程与创业中的选择：两个答案都对，为什么仍然必须取舍？最后回到十年后的自己——如果公司真的成功运行，他还想做些什么？时间轴00:02:30 为什么自称 control engineer，而不是 scientist 00:23:04 控制"死了"吗？成熟技术为何无处不在，却又难以被看见 00:39:47 所有模型都是错的，为什么有些仍然有用 00:43:01 十毫秒内必须做完：控制系统为什么需要确定性与契约 00:49:27 从提交一个算法，到想做一个自己可以掌控的系统 01:03:14 软件还是硬件：工程没有唯一最好的答案 01:09:35 为什么选择机器人创业，以及老朋友如何成为合伙人 01:18:03 机器人为什么要"好开"：操作体验如何影响数据质量 01:28:36 从遥操作到人机共驾：人的动作怎样交给机器人 01:37:44 通用智能不等于通用人形：轮子、双足与四足怎样选 01:46:45 既然人能远程接管，AI 为什么不能也在云端：算力、延迟与安全接管 01:58:30 创业是一个需要长期维护、不断变化的系统 02:04:43 做 A 对，做 B 也对，为什么一起做反而可能错 02:10:02 让知乎上的莫一林评价自己的公司，他会说什么 02:11:41 十年后的自己：回学校教书、新的体验，以及从零到一本期概念控制论（Cybernetics）与控制理论（Control Theory）：控制论由维纳在 1948 年提出，研究动物与机器中的控制和通信，范围宽，延伸到哲学和社会科学。上世纪 80 年代，它与系统论、信息论一起被称为"老三论"，在中国影响很大。控制理论是一门工程数学，研究如何通过反馈设计控制器。控制、反馈与鲁棒性：控制关心如何让系统按目标运行；反馈根据实际表现调整动作；鲁棒性关注系统在一定范围的误差和扰动下，能否保持所需的表现。机器人领域常说 Sim to Real，即把仿真里训练好的策略搬到真实世界；莫一林认为，控制做的是 Real to Sim，让真实系统表现得更接近理想模型。链接为 Åström 与 Murray 合著的《Feedback Systems》，Richard Murray 是莫一林在加州理工做博士后时的导师。数据处理不等式：在满足相应马尔可夫条件的信息处理链中，后处理不能增加与源变量之间的互信息（见链接第 10 页，命题 1.12）。节目中称作"信息处理不等式"，并借它讨论：用户没有充分传达的需求，不能仅靠更复杂的算法凭空补出。伯德图（Bode Plot）：用对数坐标画出系统对不同频率信号的放大倍数和相位变化，是经典控制设计的基本工具。在计算机普及之前，工程师靠手绘伯德图来调整控制器。强化学习：利用奖励信号学习策略。早期研究强化学习的人里，有一大批来自控制理论，它本质上是求解最优控制的一种方法。节目讨论的问题是：强化学习取代的，是控制本身，还是依赖人工经验的控制设计？实时系统、确定性与契约：计算不仅要得到结果，还要在约定时间内完成。控制系统追求确定性（determinism），每一次都能按时做完，"平均很快"不够。这种时间约定也是模块之间的契约，让一个复杂系统可以拆开设计、再拼起来。遥操作、动作映射与模仿学习：人远程操控机器人，需要把人的动作转换成机器人可执行的动作。灵御采用力与位置混合的映射，而非简单复制人的姿势。高质量的遥操作数据，可以作为示范，供机器人通过模仿学习掌握技能。延伸阅读与项目Mobile ALOHA：移动双臂遥操作与模仿学习项目，节目讨论了它带来的硬件与操作启发。《苦涩的教训》（The Bitter Lesson）：强化学习先驱萨顿 2019 年的短文。长期来看，能随算力扩展的搜索与学习方法，总会胜过依赖人类知识的精巧设计。卡尔维诺《控制论与幽灵》：收入《文学机器》，是节目中文学与控制讨论的一个入口。模型预测控制（MPC）：利用模型预测和滚动优化决定控制动作，节目将它作为控制领域利用计算的例子。补充说明"改变我能改变的，接受我不能改变的"出自美国神学家尼布尔的《宁静祷文》，不出自圣经。维纳访问清华大学是在 1935 至 1936 年。 Mobile ALOHA 于 2024 年 1 月发布。制作制作人／主播：君泽声音设计／剪辑：君泽、ChatGPT 知乎：闻烜、CC、冬菇
Sep 7

与王乃岩对谈：CV 黄金一代、图森未来、小米 L3、自动驾驶十年、Physical AI，以及逆境与“无限开火权”

2016 年，王乃岩和图森未来从“还不知道怎么控制一辆车”开始做自动驾驶。此后他担任图森中国 CTO，经历了全无人演示、量产订单，也经历了公司突然崩塌；后来，他去小米负责 L3 技术探索，是因为仍想看见技术真正进入产品、被千家万户使用。在他看来，完全解决自动驾驶或许等于 AGI，但自动驾驶的商业化并不需要等到 AGI。现在，王乃岩更愿意用 Physical AI 而不是具身智能来描述下一阶段的问题：智能如何理解、预测并改造物理世界；表征、世界模型、在线推演和强化学习应该如何组合；GPT-3 式的泛化与 AlphaGo 式的超越人类，究竟是哪两条不同的坐标轴。聊到最后，问题又回到他自己：过去的成功也会形成路径依赖，而他想保持少年感，拥有一次“无限开火权”，毫无保留地打一场痛快仗。 Outline00:01:56 王乃岩的第一个订书机回答 00:03:53 从小霸王学习机到信息学竞赛 00:08:23 为什么去浙江大学 00:13:42 从 ACM 转向计算机视觉 00:20:52 读博不是预先规划好的道路 00:38:12 把深度学习第一次用进目标追踪 00:47:25 百度 IDL、CMU、MXNet，以及一个每天都有惊喜的技术爆发期 01:04:27 自动驾驶的第零年，还不知道怎么控制一辆车 01:08:51 完全自动驾驶等于 AGI，但自动驾驶商业化不等于 AGI 01:14:05 图森带来了什么：全无人演示的高光、酸甜苦辣的成长，以及 2024 年的突然崩塌 01:18:11 为什么去小米做量产：技术的意义，是最后能被千家万户真正用起来 01:21:55 L2、L3 与 L4 的鸿沟 01:33:35 AlphaGo 时刻与 GPT-3 时刻：超越人类与初步泛化 01:38:08 Physical AI 的路径分歧：只把模型堆大，为什么可能无法获得时序和空间感知 01:44:11 世界模型的四种用法 01:51:16 为什么总要表达反对：行业需要不同的声音，也需要避免错误认知变成共识 01:54:58 做一个有少年感的老登 01:58:36 遗憾、失败，以及他想要的一次“无限开火权” 02:02:45 不要被现实锤得失去年轻感本期提到的人与概念信息学竞赛与 ACM-ICPC：在定义清楚、数据准备好的范围内解决问题。王乃岩把比赛看作快速进入陌生领域的入口，而不只是争夺名次。稀疏表示与鲁棒矩阵分解：王乃岩读博早期使用的一组方法。他把这些方法带进目标追踪，从“研究方法”走向了“解决视觉问题”。目标追踪（Tracking）：在连续画面中定位同一目标。它是王乃岩从方法研究进入计算机视觉的关键任务，也成为他早期代表性工作的方向。 AlexNet 与 ImageNet：AlexNet 在 2012 年的 ImageNet 挑战赛上显著领先传统方法，成为深度学习重新进入主流视野的重要节点。百度 IDL：百度深度学习研究院。王乃岩在 2014 年加入实习，参与 ImageNet 相关工作，并近距离经历中国早期深度学习研究的高峰期。陈天奇：XGBoost 的主要作者，也是 MXNet 的核心推动者。王乃岩谈到 MXNet 时特别强调，最重要的 credit 应该给陈天奇。 MXNet：早期有重要影响力的开源深度学习框架。节目里把它放在 Caffe 之后的“第二代框架”语境中讨论。图森未来（TuSimple）：以自动驾驶卡车为核心方向的公司。王乃岩从公司早期转型开始参与，后来负责中国团队的技术工作。 L2、L3 与 L4：L2 仍要求驾驶员持续负责；L3 在系统正常工作范围内把驾驶责任交给系统；L4 则需要在限定运行范围内完成无人驾驶。 ODD（Operational Design Domain）：自动驾驶系统被允许工作的条件与范围，包括道路、天气、速度和区域等限制。 PNC（Planning and Control）：规划与控制模块，决定车辆接下来怎么走、怎么把动作执行出来。端到端模型改变的是实现方式，不意味着规划控制能力消失。自动驾驶 2.0：王乃岩用来描述的一条路线：把 L2 的泛化与通用性，和 L4 的安全、可靠、可解释结合起来。 AlphaGo 时刻与 GPT-3 时刻：前者强调在特定任务上超越人类，后者强调模型开始展现通用与泛化能力；两者不是同一种突破。表征学习：让模型形成能够压缩和组织世界信息的内部表示。王乃岩认为，越不依赖单一任务设计的表征，越可能具有真正的泛化性。 Physical AI：能够在物理世界中感知、推演并行动的人工智能。相比“具身智能”，王乃岩认为这个名称更宽泛，也更准确地覆盖自动驾驶等不同形态。世界模型：用于预测环境如何演化的模型。节目里按离线/在线、开环/闭环拆成四种用法，并区分像素生成与潜在表征上的预测。柯尔莫哥洛夫复杂度：用描述一个对象所需的最短程序来衡量其复杂度。节目里借它讨论智能是否可以理解为对世界规律的极致压缩。制作制作人/主播：君泽声音设计/剪辑：君泽、ChatGPT 知乎：闻烜、CC、冬菇
Aug 25

破壳机器人许华哲、薛峥嵘：机器人做的麻婆豆腐，科技含量格外高吗？

不论是 WAIC，或者 WRC，机器人都在做着类似的事情：叠衣服、会分拣快递、会折纸盒。业内人知道这些动作背后是海量数据和顶尖算法，普通人却容易生出另一种感受：最好的机器人也只能做到这些吗？许华哲是清华交叉信息研究院的助理教授，也创办了破壳机器人；薛峥嵘是他的学生，现在是破壳的 CTO。他们的目标是让机器人走进家庭。对于这一天何时到来，两人都相当乐观，薛峥嵘给出的时间是一年。这一年里需要解决的问题着实不少：泛化到底指什么，它有哪些维度；失败的数据为什么比成功的数据更值钱；家庭场景里的奖励函数该怎么设；触觉研究做得很漂亮，为什么可能没有用；世界模型和 VLA 的区别在哪；本体的形态还有多少选项。但或许我们会有另一种期待，或许我们也会迎来一个 GPT 3.0 一样的转折点，它并没有直接解决问题，而是让一些问题变得不再有必要去特意求解。 Outline00:01:52 两条不同的入行路径：从清华电子系到多伦多大学交换，从中学生英才计划到本科阶段的 CVPR oral 00:05:55 一只狐狸和一只刺猬：许华哲为什么找薛峥嵘，以及他画的那张饼 00:09:15 常见任务里的 80%，零样本泛化会在一年内到来 00:10:48 麻婆豆腐：三个多月做出的端到端 demo，以及它难在哪 00:13:05 泛化的维度：物体摆放、物体类别、场景，再往上是组合泛化 00:18:45 被低估的失败数据：网球出界一点点，是非常高质量的失败 00:24:57 为什么不直接用视频生成模型：系扎带的任务会崩坏成一根丝带 00:30:11 捣乱测试，以及选择家庭场景的理由——足够乱，所以信息量足够大 00:35:33 家庭场景里的奖励函数：尽量只给稀疏的 0 和 1 00:40:18 触觉的矛盾：手工艺品与可口可乐，以及几千块与一百多块的传感器 00:46:19 本体的限制：叠被子的负载、跨本体迁移、双足与轮式之争 00:52:35 世界模型和 VLA 的区别：先想象出画面，再反推动作 01:01:11 端到端为什么被相信：架构并不复杂，是数据把它跑通的 01:10:50 数据的质量比数据量更重要：在同一个房间里踩十万小时也没有用 01:20:06 给 2017 年的自己，和给十年后的自己本期提到的人与概念零样本泛化：遇到没见过的物体、摆法或场景，不经过额外训练就能完成任务。这一期的核心争论落在它什么时候到来。长程任务：需要连续完成多个步骤才算成功的任务。每一步的成功率会连乘，链条越长越难。做一盘菜是典型。 Diffusion Policy：2023 年提出的动作生成方法，把「下一步怎么动」当成图像生成那样的去噪过程来做。两位嘉宾把它看作端到端路线走通的起点之一。 action chunk：模型一次吐出一小段连续动作，而不是一帧一帧地吐。节目里说这是个很小的改动，效果上却是分水岭。 push T：一个基准任务，用机械臂把 T 形块推到指定位置。只能推、不能抓，考的是接触与摩擦下的连续控制。 VLA：视觉与语言输入、动作输出的一类模型的统称。日常语境里通常特指其中一种具体做法，节目里花了一段区分这两层含义。世界模型：让模型先预测环境接下来会变成什么样，再从预测出的画面反推该怎么动。稀疏奖励与稠密奖励：强化学习里只在最终成功时给一次分，或者在过程中不断给分。前者难学，后者容易把机器人限死在人设计好的路径上。跨本体：在一种机器人硬件上学到的能力，迁移到另一种硬件上。视触觉传感器：用摄像头拍弹性膜的形变来读取触觉的一类传感器。 AlexNet（2012）：让深度学习在图像识别上确立地位的模型。两位嘉宾对它的记忆不同，正好对应各自入行的年份。 SAM（Segment Anything，2023）：Meta 的通用分割模型。节目里用它说明一个领域的「刷榜时代」是怎么结束的。 π0：Physical Intelligence 于 2024 年发布的机器人基础模型，被许多人视作端到端方法真正跑通的标志。 GelSight：视触觉传感器里最早、也最常被引用的一支工作。卢策吾：上海交通大学教授。薛峥嵘本科时上过他的课。高阳：清华大学交叉信息研究院助理教授。节目里提到他主张把触觉纳入 VLA。制作制作人/主播：君泽声音设计/剪辑：君泽、Layla 知乎：闻烜、CC、冬菇
Jul 20

与 UIUC 原文祯对谈：机器人触觉，Gelsight，寒冬与可能性，数据与物理本质，悬而未决的问题

原文祯是我的中学同学，当我与知乎合作，开始这一档播客的策划的时候，几乎第一时间想到，应该找她来聊一期。首先当然是因为她是一位杰出的机器人学家。文祯现在是伊利诺伊大学香槟分校（UIUC）计算机系助理教授，RoboTouch 实验室创始人。此前，她在清华大学机械工程系本科，MIT 博士，师从 Edward Adelson，是视触觉传感器 GelSight 的核心研发者之一——这项技术让机器人的指尖第一次拥有了接近人类皮肤的分辨率。而且，她的研究周期，几乎跨越了触觉的整个寒冬。 2012 年入行时，触觉正处在它最冷清的年代；十三年后，触觉被不少人视为通用机器人的最后一块拼图。文祯的研究贯穿了这个领域从冷到热的整个周期：从传感器的设计与制造，到触觉与视觉的跨模态感知，到触觉仿真，再到跨传感器的通用触觉表征。 2025 年，文祯获 IEEE RAS Early Career Award，这是机器人领域给青年学者的最高荣誉之一。我很想知道，当实验室只剩下她一个学生的时候，她是怎么走下来的，而当这个领域变得热闹起来的时候，她似乎也并没有着急参与其中。这期节目里，我们会聊文祯如何一头扎进触觉这个领域，聊触觉究竟是什么，它和视觉有着怎样的不同，触觉会以怎样的方式拓展 robotics 的边界，触觉传感器发展的瓶颈究竟在什么地方，而她为什么一直坚持在触觉这个领域。 Outline00:55 开场 02:24 十八年前的高考志愿：去机械系造「聪明的身体」 04:25 「进了清华机械系，发现是做铸锻焊的」 08:33 最好的机器人学者，需要是某种通才 11:20 去 MIT：Adelson 从视觉转向触觉 12:20 触觉的 80 年代：先行者们为什么纷纷退圈 17:10 15000 美元一个的传感器，和「量没上去」的真相 20:00 一柜子念不出名字的化学试剂 22:37 GelSight：从一个大盒子，到机器人的指尖 26:00 人的触觉和机器人的触觉，是两种东西 29:53 一个被当成噪音的信号 37:27 「十年后，你现在学的知识一点用都没有」 39:32 实验室唯一的学生：触觉最冷的那几年 44:38 摸西红柿：把一个直觉变成定量研究 46:50 Connecting Look and Feel：照片完全不同，人一眼知道是同一块布 55:40 Sergey Levine 为什么「拉黑」了触觉 01:06:09 「道法万物」：她理解的本质 01:09:25 在仿真里重建一个传感器 01:15:36 真正的瓶颈是接触模型：摩擦力，一个物理界都没有共识的东西 01:22:29 Kitchen Artist 为什么不用 GelSight：「我研究的是触觉，不是 GelSight」 01:27:00 一件毛衣：可编程针织机做成的全身触觉皮肤 01:32:00 让所有传感器说同一种语言：触觉最 critical 的问题 01:39:30 学界的问题，产业界的问题，和三个 open question 01:44:42 触觉在机器人身上，到底怎么用 01:52:04 「为了证明触觉有用而找任务」——一个尖锐的批评，和她的回应 01:55:54 怎么判断真问题：「像喜欢梵高还是莫奈」 01:57:43 快问快答，以及她的拒绝回答本期提到的人物与概念张文增：清华大学机械系教授，原文祯本科时的科研启蒙导师，研究灵巧手，以支持本科生做科研著称。 Edward（Ted）Adelson：MIT 教授，原文祯的博士导师。以人类视觉与感知研究著称，职业生涯横跨神经科学、认知科学、计算机视觉，2010 年前后转向触觉，是 GelSight 技术的开创者。 GelSight：一种「用看实现摸」的视触觉传感器：柔软的胶面接触物体产生形变，内置相机拍下形变，再通过算法还原出接触面的精细几何和力——分辨率接近甚至超过人类指尖。 BioTac：2010 年代最流行的商业触觉传感器之一，指头形状，节目中提到它售价 15000 美元一个——触觉传感器「贵」的经典例子。 Jeremy Fishel：BioTac 的开发者，博士毕业后创业将其商业化。节目中那句「如果能像 iPhone 一样一年卖几百万个，我可以把成本降到 20 美元」出自他。 Photometric Stereo（光度立体）：计算机视觉的经典技术：用不同方向光照下物体的明暗变化，反推出表面的三维几何。GelSight 用它从相机图像还原接触面形状——「用看实现摸」的原理核心。视触觉传感器（Vision-based Tactile Sensor）：用摄像头「看」柔软表面的形变来实现触觉的传感器路线，GelSight 是代表。相比传统的电信号式触觉传感器，分辨率高出几个数量级。 Slip Detection（滑移检测）：检测「手里的东西正在滑」。人靠触觉本能地做到这件事（杯子一滑手就握紧），机器人做到它极难，是触觉最经典的应用之一。节目中她把一度以为是噪音的信号，识别为滑移的特征。 Contrastive Learning（对比学习）：一种训练方式：让「同一个东西的不同观察」在表征空间里靠近，「不同东西」远离。Connecting Look and Feel 用它逼出跨模态一致的表征。 Andrew Owens：原文祯在 MIT 时的合作者，做视觉出身，把她「带入」了神经网络，Connecting Look and Feel 等工作的共同作者。现任教于康奈尔大学（节目中称「安柱」）。 Sergey Levine：UC Berkeley 教授，机器人学习领域最有影响力的学者之一，坚定的「数据派」。节目中那位相信「一千个数据不够就一万个」、最终「拉黑」了触觉的合作者。 TRI（Toyota Research Institute）：丰田在北美的研究机构，机器人研究规模很大。原文祯博士毕业前后在此实习，第一次深入接触了仿真。 CMU 机器人研究所（Robotics Institute）：卡内基梅隆大学的机器人研究机构，全球规模最大的机器人研究单位之一，原文祯在此任教四年后转至 UIUC。 Jeannette Bohg（Janet）：斯坦福大学教授，原文祯博士后期间的合作导师。她提到，选择 Janet 的一个重要考量，是想学习一位年轻女性学者如何带团队。 Sim-to-Real：在仿真里训练机器人、再迁移到真实世界的路线。省数据省硬件，但仿真和现实之间的差距（gap）是永恒的难题。她做触觉仿真，正是为了缩小这个 gap 里「传感器」那一块。接触模型（Contact Modeling）：描述两个物体接触时会发生什么（会不会滑、怎么变形）的物理模型。节目中她认为这是当前触觉仿真真正的瓶颈——连摩擦力本身，物理学界都还没有共识。 Sensor-invariant Representation（跨传感器通用表征）：她近年的主线工作：不同触觉传感器像在说不同「方言」，数据互不相通；这项工作学出一个抹去传感器差异的通用表征，让新传感器只需少量标定就能接入。她认为这是触觉领域当前最关键的问题。制作声音设计 / 制作：君泽制作人 / 主播：君泽知乎：闻烜、CC、冬菇

5 Episodes

知乎出品的 AI 行业播客，我们希望和真正接近现场的人一起把那些决定未来的问题问得更准确，讲得更清楚。

Creator

有限理性FM
Years Active

2026
Episodes

5
Rating

Clean
Copyright

© 有限理性FM@小宇宙App
Show Website

有限理性FM

Technology

Technology

Updated Biweekly
Business

Business

Updated Weekly
Technology

Technology

Updated Weekly