謝苗主演的《火遮眼》上映後，憑藉硬橋硬馬的真功夫和極具想像力的動作設計，被普遍認為是近十年來動作戲最好的華語電影，許多觀眾也對它的票房抱有更高期待。可惜的是，電影最終預測大概落在2億元左右，未能掀起全民性的觀影熱潮。 華語動作片是脫胎於中國功夫的獨特類型，自帶剛柔並濟的東方人文底色，曾經是華語電影行走海外的金字招牌。後來，好萊塢大片的風行持續擠壓了動作片的生存空間，加上動作人才的凋零、觀眾審美的更迭，它逐漸退守為一種小眾類型。近些年來，純粹的動作電影普遍不怎麼賣座。今年初上映的《東北警察故事3》，同樣由謝苗主演，同樣動作設計備受讚譽，票房累計2249萬，依舊帶有明顯的圈層屬性。 但除此之外，傳統動作片的變化還有一個被忽視的深層次原因——它不再具備承載民族情緒的功能。 晚清民國時期，“強國強種”的觀念和習武之風一起出現，給動作片的產生提供了思想上的土壤和現實的社會條件。香港動作片的黃金時代，從李小龍一腳踢碎了“東亞病夫”的牌匾，到徐克鏡頭下的黃飛鴻“廣開民智”，銀幕上的武術英雄們用中國功夫回應百年屈辱的民族記憶，給觀眾一種“中國人可以打敗外國人”的替代性滿足，動作片由此具備了調動全民情緒的力量。

草地真的很適合拍照，畫面乾淨又有層次，人一走進去就會顯得很輕鬆，陽光落在草地上會讓顏色更溫柔，其實草地拍照不需要複雜的拍照動作，越簡單越容易上鏡，只要身體自然一點，動作輕一點，就能拍出很漂亮的感覺，整個人看起來也會更大方，照片很容易出片又好看。1、站立交叉腳，抬手摸頭看鏡笑草地拍照時可以雙腳輕輕交叉站著，讓重心放在一側，一隻手慢慢抬起來摸一下頭髮，動作不要太用力，另一隻手自然垂著，然後看著鏡頭笑，這個拍照動作很自然，腿部線條會被拉長，整個人顯得更輕盈，照片出來很上鏡，也更容易出片又漂亮。2、側站手扶腰，仰頭回頭笑可以側著站在草地上，一隻手輕輕扶在腰上，身體稍微有一點弧度，頭先微微仰起來感受光線，再慢慢回頭笑，這種拍照動作會讓肩頸線條更好看，整個人顯得更有氣場，草地拍照這樣拍很大方，畫面也更有感覺，照片很好看又自然。3、側站一手捂胸，一手摸頭回頭看側著站好，一隻手輕輕放在胸前，動作自然一點，另一隻手慢慢摸一下頭髮，再輕輕回頭看鏡頭，這個拍照動作會多一點層次變化，不會顯得單調，草地拍照這樣拍很自然，整個人看起來很柔和，照片也更容易出片又上鏡。4、側站微曲腳，單手舉高回頭笑站在草地上時可以一條腿微微彎一點，讓身體有一點傾斜感，一隻手輕輕舉高一點像在擋光或者伸展，然後回頭笑，這種拍照動作會讓畫面更有動感，草地拍照這樣拍很輕鬆，整個人顯得更有活力，照片也會更漂亮更自然。5、微微側身站，雙手摸頭看鏡笑身體稍微側一點站著，讓肩膀有一點角度，雙手輕輕摸一下頭髮，動作可以慢一點，然後看著鏡頭笑，這個拍照動作很簡單，但很耐看，草地拍照這樣拍很上鏡，整個人顯得很放鬆，也更大方好看。6、側站曲腳抬手，抬頭挺胸回頭看側著站好，一條腿輕輕彎起來，一隻手抬起來做一個延展動作，身體稍微挺直一點，再把頭抬高然後回頭看，這種拍照動作會讓整個人顯得更有氣質，草地拍照這樣拍很自然，線條也會更好看，照片更容易出片。7、側身站草地，仰頭微笑回頭看可以側著站在草地上，身體放鬆一點，先輕輕仰頭感受陽光，再慢慢回頭對鏡頭微笑，這個拍照動作很有氛圍感，草地拍照這樣拍很輕鬆，整個人顯得很輕盈，照片也會更好看更上鏡。個人觀點總結：草地拍照其實就是讓自己慢慢放鬆下來，不用刻意去擺很多拍照動作，簡單一點反而更自然，只要找到一點感覺，身體跟著環境輕輕動起來，整個人就會顯得很大方，拍出來的照片也會更漂亮更耐看。 (學些拍照技巧)

牛仔褲一直是很耐看的單品，隨便一穿就很有感覺，很多人外出拍照會糾結怎麼擺動作，其實不用複雜，選對一些拍照小動作就夠了，牛仔褲拍照只要動作放開一點，整個人就會更鬆弛，拍出來也更漂亮，上鏡也會更輕鬆，很容易出片。1、正面站立，一手挎包，一手拉發站著拍的時候不用太僵硬，一隻手挎著包讓手有位置，另一隻手輕輕拉一下頭髮，這種牛仔褲拍照會更有細節感，頭髮的變化會讓畫面更生動，整個人看起來很自然，外出拍照這樣拍很輕鬆，也更容易出片。2、正面站立，單手叉腰，歪身微笑身體正對鏡頭站好，一隻手輕輕叉腰，讓腰線更明顯，再稍微歪一點身體，臉上帶點笑，這樣的拍照動作很適合牛仔褲拍照，既能顯身材又不會顯刻意，整個人看起來更自信更漂亮。3、微微側站，抬手撩發，看著鏡頭身體輕輕側過去一點，讓肩膀有一點角度變化，再抬手撩一下頭髮，看著鏡頭微笑，這種戶外拍照方式會讓畫面更自然，牛仔褲拍照這樣拍不單調，整個人也更有層次感，很容易拍出好看的感覺。4、正面站立，抬手摸頭，歪頭看鏡正面站著時可以抬手輕輕摸一下頭髮，再稍微歪頭看鏡頭，這個拍照動作很簡單，但很耐看，牛仔褲拍照這樣拍會讓整個人更放鬆，看起來不緊張，畫面也更乾淨，出片效果很好。5、微微側站，雙手抱胸，看著鏡頭身體稍微側著站好，雙手自然抱在胸前，讓上半身更有線條感，再看著鏡頭輕輕微笑，這種拍照動作會讓牛仔褲拍照更顯身材，整體看起來更利落，也更有氣質，很適合戶外拍照。6、正面站立，單手插兜，看著鏡頭站著的時候把一隻手插進口袋，會顯得很隨性，另一隻手自然放著，看鏡頭輕輕一笑，這樣的牛仔褲拍照會更有鬆弛感，整個人不會緊繃，外出拍照這樣拍簡單又好看，很容易出片。7、側身站立，單腳後抬，回頭看鏡身體側著站，一隻腳輕輕往後抬一點，讓姿態更活潑，再回頭看鏡頭，這個拍照動作會讓畫面更靈動，牛仔褲拍照這樣拍會顯得腿更長，整體更輕盈，看起來也更自然漂亮。8、交叉腳站，雙手挎包，放在腹前站著時把雙腳輕輕交叉，雙手挎著包放在腹前，這樣手部不會尷尬，身體也更穩定，這種戶外拍照方式很適合牛仔褲拍照，整個人顯得很大方，畫面簡單乾淨，也更容易上鏡。9、交叉腳站，一手插兜，一手撩發最後這個動作可以把雙腳交叉站好，一隻手插兜增加鬆弛感，另一隻手輕輕撩發，這樣的拍照動作很有層次，牛仔褲拍照這樣拍既顯身材又不呆板，整個人看起來很自然，也更容易拍出漂亮照片。個人觀點總結：牛仔褲拍照真的不用想太多，動作簡單一點反而更耐看，戶外拍照的時候放鬆自己，找到舒服的拍照方式，就能拍出很自然的感覺，慢慢練幾次，就會發現自己也可以很上鏡，照片也會越來越漂亮。 (學些拍照技巧)

【新智元導讀】全球首個1毫秒級人體動作捕捉系統FlashCap，通過閃爍LED與事件相機結合，實現1000Hz超高影格率捕捉。無需昂貴裝置或強光環境，低成本穿戴服即可精準捕捉極速動作。團隊同步開源715萬幀的FlashMotion資料集與多模態模型ResPose，顯著提升運動分析精度，推動體育、VR與機器人領域邁向高動態智能新階段。在頂級體育賽事中，決定勝負的往往在毫秒之間。然而，為了在短跑、攀岩、雪橇等極速運動中捕捉這些稍縱即逝的瞬間，業界目前的妥協方案，往往是動輒部署造價數十萬、且對光照、頻寬、儲存要求極其苛刻的高速光學相機或是精度與穩定性要求極高、部署與維護成本同樣不菲的專用計時裝置。那麼，能否用一套低成本、且擺脫強環境光依賴的人體動作捕捉服，實現1000Hz的毫秒級人體動捕？現有人體動作捕捉服達不到1000Hz毫秒級動捕，為了打破這個影格率天花板，廈門大學ASC實驗室與上海科技大學另闢蹊徑，聯合提出了業界首個基於閃爍LED燈與事件相機的毫秒級動捕系統FlashCap。目前，該工作已正式被電腦視覺頂會CVPR 2026接收。為推動該領域的持續突破，研究團隊將全面開源核心成果：開放高達715萬幀的高頻動作捕捉資料集；動靜結合的多模態超高時間解析度動捕演算法ResPose。圖1：FlashCap效果圖為什麼動作捕捉需要邁入1000Hz 時代？在競速體育、高保真虛擬現實（VR）以及精密機器人遙操作等領域，人體的高速微動態（如急速揮手、瞬間發力或高頻震顫）往往發生在幾毫秒之間。傳統的120Hz動作捕捉系統在應對此類高速運動時，會產生嚴重的幀間資訊丟失。現有方案通常依賴時域插值演算法來重建缺失的運動軌跡，但這不可避免地會引入顯著的插值誤差，導致動作過度平滑或產生違背物理規律的畸變。因此，想要真正實現毫秒級的高逼真人體動態還原，突破1000Hz的捕捉影格率是一個繞不開的核心門檻。圖2：插值結果與1000Hz GroundTruth對比圖為什麼1000Hz的動作捕捉這麼難？現有的公開人體運動資料集，標註影格率最高只能勉強撐到120Hz。對於高速動態運動，容易產生嚴重的插值誤差而如果直接使用傳統的工業級高速相機（>1000Hz），則面臨著讓人頭疼的「三高」問題：極高的成本： 一台NAC等級的高速相機動輒超過4.5萬美元，是事件相機的9倍之多 。極高的光照門檻： 必須在強光環境下才能保證畫面不糊。極高的硬體負擔： 巨大的頻寬和儲存需求，讓日常部署幾乎成為不可能。其他諸如慣性感測器（IMU）方案，雖然擺脫了光照限制，但存在不可避免的積分漂移誤差，且頻率也難以突破千赫茲大關。FlashCap給關節點打上摩斯密碼面對這個死胡同，研究團隊另闢蹊徑，提出了 FlashCap 方案。這套可攜式裝置的原理極其巧妙：穿戴閃爍LED： 在人體的關鍵骨骼節點上佩戴微型 LED 發光模組 。頻閃編碼身份： 每個LED會以極高的頻率（例如4000Hz）進行閃爍，並擁有獨特的亮暗時間配比（On-time / Off-time），就好比給每個關節發了一套專屬的摩斯密碼。事件相機精準捕獲： 使用高時間解析度、極低頻寬的事件相機，非同步捕獲這些極速的明暗變化訊號。通過配套的自動化標註流水線（密度聚類、頻率識別、噪聲過濾），FlashCap能夠直接從雜亂的事件流中精準解析出原生的1000Hz人體2D姿態標籤 。 無需十萬美元的裝置，無需強環境光照，更沒有巨大的資料儲存壓力，高精度、低成本的1000Hz的真值資料就此製作完畢。圖3：FlashCap系統圖FlashMotion資料集基於FlashCap系統，研究團隊採集並開源了FlashMotion資料集。不僅多模態（囊括事件流、RGB、LiDAR點雲和 IMU），更在資料維度上完成了真正的降維打擊：1000Hz標註影格率： 將公開姿態資料集的時間解析度上限，一口氣提升了將近一個數量級（從120Hz飆升至 1000Hz）。715萬標註幀： 包含240個動作序列，覆蓋20名受試者的11大類快速動作（如極速踢腿、快速交叉雙手、瞬間跳躍等）。表1：FlashMotion資料集與現有資料集對比ResPose動靜結合，巧妙搞定高速微動態空有標竿級的高頻資料，如果沒有匹配的演算法，依然是高射炮打蚊子。面對1000Hz的超高頻資料流，傳統基於慢速RGB幀逐幀計算的姿態估計模型，往往會面臨算力與時延的雙重崩塌。為此，研究團隊設計了一個極其優雅且高效的基礎模型ResPose，核心演算法哲學可以概括為八個字：RGB定大局，Event 抓微調：RGB分支（全域錨點）： 利用低頻的 RGB 圖像提取出穩定的人體結構先驗，確立低頻但較為準確的靜態錨點。Event分支（殘差）： 引入混合SNN-CNN編碼器專門處理高頻事件流。模型會在 RGB 錨點周圍進行局部擷取，精準捕捉微秒級的運動殘差。多模態Transformer融合： 將低頻全域結構與高頻局部殘差送入Transformer進行時空特徵對齊，並施加嚴格的運動學約束，輸出平滑且精準的毫秒級高頻姿態。圖3：ResPose網路圖實測效果如何？在超高頻姿態估計任務中，ResPose交出了一份極其亮眼的答卷：相較於傳統先提RGB特徵後強行插值的方案，它將平均關節位置誤差（MPJPE）大幅砍掉了約40%！輸出的運動軌跡徹底告別了演算法腦補帶來的抖動與穿模，真正做到了如絲般順滑且完美貼合真實物理動態。而在更硬核的精準動作計時（PMT）任務中（例如要求精準定格拳擊手揮拳擊中目標的那一毫秒）：傳統的 RGB 方法（如 ViTPose） 面對高速動態直接捕捉缺失，時間誤差高達 50 毫秒以上 。常規多模態方案： 同樣難以招架 1000Hz 的高頻特徵對齊，紛紛敗下陣來。ResPose憑藉優雅的動靜融合架構一騎絕塵，直接將時間誤差硬生生壓縮到了個位數毫秒等級（例如拳擊動作僅 4.8 毫秒誤差）！表2：超高頻姿態估計任務。表3：精準動作計時任務估計時間的平均誤差（單位：毫秒）。探尋人類高速動作的極限長久以來，人體姿態估計（HPE）社區一直被低頻資料集所束縛，忽視了真正決定運動勝負和動作自然度的高速微動態 。FlashCap以一種極具極客精神和實用主義的方式，推開了通往超高時間解析度運動理解的大門。這不僅對於體育賽事的極致分析具有顛覆性意義，也將為下一代具身智能（如高動態機器狗、人形機器人的精細控制）提供極其寶貴的資料基石。作者介紹論文第一作者來自廈門大學空間感知與計算實驗室（ASC Lab）2024級碩士生吳澤凱、2023級碩士生范書琪，通訊作者為廈門大學沈思淇副教授，並由劉夢茵、羅裕華、林心成、顏明、吳俊豪、林修弘、馬月昕研究員（上海科技大學）、溫程璐教授、許嵐研究員（上海科技大學）、王程教授共同合作完成。研究團隊長期聚焦於3D人體姿態估計、快速人體運動捕捉及相關多模態資料集建構。 (新智元)

街邊拍照其實很容易出感覺，路邊的環境本身就有生活氣息，不用太複雜的拍照動作，只要人在畫面裡動一動，做一點簡單變化，就能拍出好看又時尚的照片，這種自然狀態反而更耐看，也更容易拍出漂亮效果。=圖片來自博主1、正站街邊，一手插兜，一手撩發笑街邊拍照時可以正面站著，一隻手自然插兜讓身體放鬆，另一隻手輕輕撩一下頭髮，再對著鏡頭笑一下，這種拍照動作很簡單但很實用，整個人看起來不拘謹也不刻意，畫面乾淨又時尚，很容易拍出好看又漂亮的感覺。2、側站街邊，手放腿前，回頭微笑站在路邊可以把身體側過去一點，一隻手自然放在腿前，再回頭看鏡頭微微笑，這種拍照動作會讓畫面多一點變化，也更有層次感，街邊拍照這樣拍不會呆板，整體看起來更輕鬆更自然，也更容易出片。3、扭胯站立，插兜，一手拉髮絲歪頭笑拍照時可以稍微扭一下胯，讓身體有一點曲線感，再一隻手插兜，另一隻手拉一下髮絲，頭輕輕歪著笑，這樣的拍照動作很有細節感，在街邊拍照會顯得更時尚更有氛圍，也更容易拍出漂亮又好看的照片。4、站靠欄杆，手摸頭髮，看著鏡頭找一個欄杆輕輕靠一下，讓身體有支點，再用手去摸頭髮，眼睛看著鏡頭，這個拍照動作看起來很隨意，但畫面會很自然，街邊拍照這樣拍會顯得人很放鬆，也更容易拍出簡單又耐看的效果。5、側站路邊，靠著欄杆，抬手回頭身體側站在路邊，輕輕靠著欄杆，再抬起手做一個小動作，同時回頭看鏡頭，這樣的拍照動作會讓畫面更有動感，街邊拍照時會顯得更靈動更有感覺，整體看起來時尚又漂亮，很容易出片。6、站靠欄杆，抬起雙手，摸著頭髮站在欄杆旁邊拍照時可以把雙手都抬起來輕輕摸頭髮，讓動作更有延展感，這種拍照動作很簡單，但在街邊拍照時會顯得更自然更有氛圍，整個人看起來更放鬆，也更容易拍出好看又時尚的照片。7、正站街邊，手拉髮絲，抓拍幾張站在街邊時可以輕輕拉一下髮絲，不用刻意擺造型，讓攝影的人多抓拍幾張，這種拍照方式很適合街邊拍照，畫面會更真實更自然，也更容易拍到好看又漂亮的瞬間，整體感覺也更輕鬆更有生活感。個人管觀點總結：其實街邊拍照不需要太複雜的技巧，這些簡單的拍照動作就已經很好用，只要人放鬆一點，跟著環境走一走動一動，就能拍出時尚又好看的照片，出片也會變得很輕鬆。 (學些拍照技巧)

誰說肉肉女生拍照不好看，找對角度和動作一樣能拍出漂亮照片，我整理了10個特別適合微胖女生的拍照姿勢，這些動作能幫你展現自信大方的一面，拍出來顯身材又好看，記住美麗不分尺寸，自信就能大方漂亮。（圖片來自博主：Nichole學姐）1、挎包站立，單手比耶看鏡頭笑肉肉女生拍照，可以挎著包包自然站立，一隻手抬起對著鏡頭比個耶，臉上露出燦爛的笑容，挎包的動作能自然遮擋腰部，比耶顯得活潑可愛，看鏡頭笑的樣子大方又自信，拍出來特別漂亮。2、側身站立，雙手抱胸回頭笑側身對著鏡頭站立，雙手輕輕抱在胸前，然後自然地回過頭來看向鏡頭笑，側身站姿能顯瘦，抱胸動作優雅又有氣質，回頭笑的瞬間很有魅力，微胖女生這樣拍特別好看。3、正坐長椅，手拿咖啡歪身笑端正地坐在商店門口長椅上，手裡拿著一杯咖啡或飲料，身體微微向一邊歪斜，臉上帶著悠閒的笑容，正坐顯得儀態好，歪身動作打破呆板，手拿道具讓畫面更生活化，拍出來很自然。4、正面站立，抬手遮陽看邊笑肉肉女生拍照，正面站立時抬起一隻手假裝遮太陽，眼睛看向旁邊的風景露出微笑，抬手動作能拉長身體線條，看旁邊笑避免了直面鏡頭的緊張，這個姿勢拍出來顯高顯瘦，很有氣質。5、側背身站，雙手插兜看遠笑身體轉過去四分之三背對鏡頭，雙手插在褲子口袋裡，頭微微轉回來看向遠方並微笑，側背身角度最顯瘦，插兜動作隨性大方，看遠笑的表情寧靜美好，肉肉女生這樣拍大方好看很有氛圍感。6、坐著疊腿，雙手放側看遠笑肉肉女生拍照，可以優雅地坐在椅子或台階上，雙腿自然地交疊在一起，雙手放鬆地放在身體兩側，眼睛看向遠方帶著淡淡的笑容，疊腿坐姿顯腿長，看遠笑的表情溫柔大方，這個姿勢很顯氣質。7、正站靠牆，雙手疊放腿間微微笑正面輕輕靠在牆邊站立，雙手自然交疊放在大腿前面，臉上帶著溫和的微笑，靠牆站姿有了支撐更放鬆，手放腿間的動作優雅得體，微微笑的表情親切自然，肉肉女生這樣拍出來很漂亮。8、正站交叉腳，單手挎包看鏡頭笑肉肉女生正面站立時雙腳在腳踝處輕輕交叉，一隻手挎著包包，另一隻手自然下垂，看著鏡頭露出大方的笑容，交叉腳站姿顯腿細，挎包增添時尚感，直視鏡頭笑展現自信美。9、手拉手指在腿間，看著鏡頭微微笑肉肉女生站立時將雙手的手指輕輕拉在一起放在大腿前方，身體保持挺拔，眼睛看著鏡頭露出淺淺的微笑，這個動作顯得儀態端莊，手放腿間的位置能修飾身形，微微笑的表情很溫柔。10、側身站立靠窗檯，仰頭微笑看遠方側身靠在窗檯或欄杆邊，手拿手機輕輕搭腿間，仰起頭看向遠方的天空並微笑，側靠姿勢顯瘦又優雅，仰頭動作展現脖頸線條，看遠方笑的表情充滿希望感，拍出來很大方。肉肉女生拍照其實很簡單，關鍵是找到適合自己的角度和動作，多嘗試側身和四分之三角度，動作大方自然一些，記住自信的笑容是最好的裝飾，微胖女生也能拍出又美又漂亮的照片，展現出自己的好身材和獨特魅力。 (學些拍照技巧)

很多人拍照一緊張就開始擺全身，其實半身照拍照反而更容易出片，畫面乾淨，表情和動作都能被看清，只要動作別太滿，整個人就會顯得鬆弛又溫柔，下面這9個半身照拍照的小動作，都是日常就能用上的類型，不刻意，也很容易拍得好看。1、正面站立，看鏡頭笑半身照拍照時正面站立是最不容易出錯的姿勢，身體自然站直，肩膀放鬆，眼睛看向鏡頭輕輕一笑，畫面乾淨，人看起來也很親切，特別適合想要溫柔感的半身照。2、挎包側站轉頭微笑半身照拍照可以把身體微微側過來，一隻肩膀自然向前，挎著包再回頭看鏡頭微笑，這個動作會讓線條更順，看起來不僵，也很容易拍出好看的側面輪廓，還很顯身材哦。3、交叉腳站，靠牆歪頭笑半身照拍照時找一面牆或者門靠著，腳輕輕交叉站，身體不用太直，頭稍微歪一點再笑，整個人會顯得很鬆弛，也不會有刻意擺拍的感覺，自然出片又溫柔漂亮。4、提包側身，回眸微笑半身照拍照可以用包當小道具，身體側過來，一隻手提包，頭慢慢回過來對鏡頭笑一下，這個回眸動作很自然，拍出來也很有溫柔感。5、跨腳正站，看鏡頭笑半身照拍照時正站但腳稍微跨開一點，身體重心自然落下，再看鏡頭微笑，會讓人看起來更放鬆，不會有緊繃感，畫面也會更生活化。6、站花樹下，歪身合拍半身照拍照如果有花樹或背景，可以身體微微歪過去靠近畫面，人與背景靠得近一點，整張照片會更有層次感，也更顯得人溫柔好看。7、側站路下，仰頭回看半身照拍照可以站在路邊或台階旁，身體側著站，頭稍微仰起再回頭看鏡頭，這個動作不需要笑得很用力，輕輕的表情就很出片。8、微微側站，看鏡頭笑半身照拍照時不用完全轉側，只要身體微微偏一點方向，再看鏡頭笑，整個人會顯得很自然，也很適合想拍出鬆弛感和好身材比例的畫面。9、正面提包，歪頭微笑半身照拍照用最簡單的正面站姿，雙手提包放在身前，頭輕輕歪一下再笑，這種動作看起來不複雜，卻很容易拍出溫柔漂亮的感覺。個人觀點總結：半身照拍照真的不需要太多花樣，動作簡單一點，身體放鬆一點，表情自然一點，反而更容易出片，這9個小動作都很日常，隨便選幾個練一練，就能拍出鬆弛、溫柔又好看的半身照。 (學些拍照技巧)

“未來1至2年，誰能實現這個目標，誰將擁有全球最領先的具身智能AI模型。”11月5日，宇樹科技股份有限公司創始人、董事長王興興在第八屆虹橋國際經濟論壇“人形機器人創新發展合作”分論壇上對具身智能的“ChatGPT時刻”何時到來作出前瞻判斷。在他看來，誰能在未來一兩年內實現“在80%的陌生場景中完成80%任務”的突破，誰就是全球最領先的具身智能。“比如到明年這個時候，隨便一台人形機器人到會場，你跟它交代任務，比如說‘幫我拿一杯水’或者說給某位記者朋友拿一份東西過去，它可以直接過去把這個任務完成。這個場景完全沒有預訓練過，你給的東西它也沒有看到過。”王興興舉例說。他認為，在完全陌生場景下，機器人能達到80%左右成功率，就已經掌握突破性技術了。“目前人形機器人（包括具身智能）最關鍵的還是機器人大模型（具身智能模型）的進展速度，我覺得稍微有點慢了。”王興興表示，相對去年來說，今年深度強化學習的全身運控的進步非常明顯，但在具身大模型，“端到端能幹活“的技術進步稍微慢了一點，但總體而言其對人形機器人的前景較樂觀。王興興稱，“具身機器人目前的發展階段類似於ChatGPT發佈前的1-3年左右，大家已經發現了方向，但還沒有做成可以突破臨界點的事情。為了早日實現“ChatGPT時刻”，更應該研究模型，還是收集更多的資料？王興興表示，目前在模型結構上大家做了很多嘗試，但泛化能力不夠，還需要創新。大家也需要收集更大規模的資料、質量更好的資料。但目前，對資料的採集、對資料質量的評判還非常困難。另外，他提出，模型和資料需要相輔相成，而不是一股腦採集大量資料，或者一股腦把模型做大。目前，具身智能主流模型有VLA（視訊語言動作）+RL（強化學習）模型和基於視訊生成的世界模型。王興興表示，前者可以用模擬環境做訓練，或者用真實場景做訓練，但泛化能力相對來說不是特別夠。因此，他更喜歡基於視訊生成的世界模型。然而，王興興也認為，該模型面臨比較大的挑戰。因為基於視訊生成的世界模型對算力的需求非常大，需要的算力卡比較多，所以中小型人形機器人公司往往“跑不動”，反而是一些大型AI公司、網際網路公司視訊模型的資源更加豐富，做出該模型的機率更大。 (金融時報)