（+微:hywyysxs）
再看国💃内的大模型版图😆。训练完🥤👬成后，这个分🍉🇬🇵类器就成了一🤡🇦🇨个"靠近机器人⛵🍃世界的程度评分🇸🇯🏑员"——🇺🇲对海量V👨👩👧👧🎓LM数据的每一个📙🌒样本打一个0💀👮♀️到1之间的分数，🇵🇾分数越🏚高，说明这个样📊本与机器人操📩🧪作数据的"世🕳🉑界观"越接近😦🙌。但你并不担心，🔮🔟尽管这可能🛶🐤会让你付出大约八🇧🇾十亿美元🇪🇺。这验证了一个直✌😱觉：大🇰🇳🏌️♀️多数VLM✊训练数据🇲🇹的"口味"，和机🧖♂️器人任务🕤需要的"口味"，📧🇮🇹根本不是一回事🗄🚉。
这还只是硬件成💟本🕢。Becky：我📧🇲🇾同意你说会创🧢造更多工作✳👖，也会有🌶🧽很多地方出现这🗽🆎些机会🤧。模型的输入包括🥖机器人的基座🇷🇼👨🍳速度、重力💙⛱向量、关节位置、🇸🇮速度、🤚力矩等45👩⚕️⛱维（AN🏚🍪Ymal D）🎆👘或96维🥓🦁（Unitr🐃ee G🅾1）的观测数🇮🇪〽据🈚🌰。两边的测试必须🐥同步进行，🥁🇬🇳因为你要验证的是🇷🇴🔘光电转换的🐸整体性🐬能⏏🧺。
