机器人训练应该用真机还是模拟数据？具身智能的数据路线之争｜GAIR Live 23 精彩片段
GAIR Live 21：AI大模型金融应用的机遇与挑战
具身智能的“生命线”：数据基石与未来路径
大语言模型与提示学习在科技研发中的应用与潜力
GAIR Live 23：具身导航 三维感知与通用路径规划
大模型时代的强化学习
GAIR 2025｜圆桌 王建明(主持人)高飞，金鑫，王靖博：一脑多形
GAIR Live | 大模型时代，机器人的技术革新与场景变革
Kimi：AI文科学霸的出圈路
世界杯成AI博弈？谷歌AI入职利物浦足球队当教练
清华大学用视频模型实现AI 3D建模
2025 ICLR | Agent所面临的潜在创新方向
GAIR Live 19： 从 IROS 2025谈起，智能机器人何时迎来「GPT式爆发」？
李昀烛最新演讲：机器人操作的下一个突破口，在"触觉"和"物理直觉" ｜ AI talk 38
ChatGPT agent Does Research & Action
智元首席科学家罗剑岚：机器人交互为什么要用RL强化学习？
生物学正在变得可编程？CVPR 2026最燃Keynote：AI药物设计已进入Agent时代｜ AI talk 39
5分钟速览Google IO 2026：属于 AI 智能体的全栈开发时代已来！
如何告别「鱼的记忆」？解密多模态长记忆落地的「三大深坑」 | GAIR Live 31
GAIR Paper 03: 具身视频基座模型
GAIR Live | 大语言模型与提示学习在科技研发中的应用与潜力
2025 ICLR Diffusion Model &自回归模型优劣势讨论#model #diffusion
Professor Kazuhiro Kosuge：From PaDY to Smart Sewing | GAIR 2025
ACL 2025： Chinese Inertial GAN for Handwriting Signal Generation and Recognition
AI视觉越强，越不像人？CVPR 2026 Keynote：深度网络与人类视觉正在分道扬镳 |
GAIR Paper 02: 大模型推理系统的全栈优化
具身智能之 VLA 的实践与突破
顶级科学家畅谈ACL大会前沿趋势
具身智能的下一个突破口：陪伴机器人如何真正读懂你？｜GAIR Live 23 精彩片段
全球AI论文引用率超DeepSeek的Vision Mamba是什么神仙算法？
RL+Control —— 将机器人可靠性逼进99.9%
Agent 元年已至，我们会拥有自己的智能助理吗？
魔形智能创始人CEO徐凌杰谈：DeepSeek 做出了实现低成本推理的范式，点燃了 AI Infra 的可能性
智算市场变局下的生存法则：从现状解析到产业链破局之道
具身智能的“生命线”：数据基石与未来路径
GAIR Live 24：AI for Health 从“实验室Demo”到“国民级健康伙伴”的范式跃迁
中国AI Infra变革进行时
GAIR Live 27：从Manus到Claude Code：Agent的螺旋进击
GAIR Live 30：极致压缩：DeepSeek的效率与革命
Klaus Mainzer on AGI and AI Philosophy: A Historical View of the Final Frontier
GAIR Paper 04: 基于几何界面模拟的多肽药物设计系统
大模型时代，机器人的技术革新与场景变革
具身智能之灵巧手的探索与应用
GAIR Live | AI+手语识别，技术革新与应用前景
云深处朱秋国谈：从MPC到RL，机器人运动控制算法的演进与协同。
GAIR Live 29：从Token计费到记忆管理:Token焦虑背后的存储与检索之战
GAIR Live 28：后AlphaFold时代，AI制药的“破”与“立”
在AI陪伴赛道，寻找AI陪伴的下一个“泡泡玛特”
GAIR Live 20：智能始于记忆，Agent Memory 的技术演化过程
GAIR Paper 01： ACL 2025 Chinese Inertial GAN for Handwriting Signal Generation and Recognition
在AI陪伴赛道，寻找AI陪伴的下一个“泡泡玛特”
GAIR Live 26：OpenClaw 爆火背后 Internet of Agents 的爆发点与路线图
GAIR Live 22：脑机接口“上车”前夜 ：科学奇点、临床拐点与产业爆点的三角共振
具身智能的“生命线”：数据基石与未来路径
Posted on 2025-10-30
Video Introduction
如果说大模型的出现引爆了通用人工智能的想象，那么，具身智能则让 AI 拥有了可以感知、决策和行动的“身体”。而这一切的背后，都离不开一个至关重要的“生命线”——数据。
近日，雷峰网主办了一场主题为《具身智能数据：赋能感知、决策与控制的智能之源》的线上圆桌论坛，邀请了香港大学助理教授李弘扬、光轮智能联合创始人兼总裁杨海波、艾欧智能联合创始人、技术总监高飙三位重量级嘉宾，共同深入探讨了具身智能从数据采集、合成到闭环学习的全过程，为行业揭示了构建具身智能“生命线”的核心挑战与解决路径。
具身智能数据面临的挑战比传统 AI 领域更为严峻。嘉宾们一致认为，数据是构建“机器人基础模型”（Robotic Foundation Model）最关键的一环，但目前行业面临三大核心挑战：数据稀缺性与泛化能力、物理真实性与规模化短缺、商业与数据飞轮的脱钩。
