（+微:hywyysxs）
更麻烦的是🎍🇦🇫，研究者们此♨🏅前也尝试过专门🦆♍把VLM在"具身⛹️♀️✨场景"（🌄即机器人所处的真❄2️⃣实物理环境🧼类数据😁）上再做一轮🦓🦟微调，💀期望让它更理解🇺🇦🏌机器人世🐟界——🎾但实验证🇱🇦明，这🕵️♀️🇩🇿样做在VL🚝M的理解能力🇹🇴测试上可🔢能有提升，却未必⬆🇫🇴能让机器⛱人真正做😉🖊得更好🦍。
这就好比一个人读🧰了大量文学、历🇸🇹史、艺术，📠突然要去做一名🤵☀外科医📃生——通识教育很👬有价值，⛷但手术🍦👷室里需要的那种☃💆♂️精准空间感知和🏨操作判🐳断，和读🛰🌒书积累的那些能🕕如何助孕力之间，隔着一道🕷并不小的鸿沟🇷🇴。Inse😄🇱🇷rtion 3的🧙♀️📔重点是🐼验证两件事： 第👨💼一，高速性🎢☎能🎀🇰🇵。系统随🤽♂️🏋机采样，🧜♀️决定要不要真的换⚫。一旦它们🇬🇶🖤检测到威胁🖲，就会判断威🧥📬胁从哪😭里来，然后关🧗♀️👩👧上门🚽⛱。
4月2🇵🇪🥣日，美国共🇲🇲和党众议员🤝🧿迈克尔•鲍姆加特🌘📿纳联合🇦🇬两党议员♉，正式🇵🇳提出《硬件技术控🔄制多边协调法案◻🐠》（简称"MA👇TCH🇲🇽♏ Act"）😘。不过，最值得🎹关注的🍊🐉，是三📁类高风险环节：🧦 第一，精密📀传动部♍🦸♂️件🌵。再加上英伟达参投🖍🐃SiF➿🧨ive，并👇把资金明确👮♀️🎭指向高性能☢🎎RISC-🇧🇧🎀V数据中心CPU🇺🇲👨🚒与AI I🇸🇹📲P解决✅方案，🚽RISC-🗯📂V这几年被推进📚的，已🇧🇫经不是单🕯一场景，而🧀是从汽车电子、消🥺💣费级存储一👯♂️路延伸到服🕓务器CPU和🚜☘数据中心🕐。
