Vesta：一個通用的「具身推理」模型

在

機

器

人

與

實

體

A

I

這

條

線

上

，

今

天

一

篇

論

文

提

出

名

為

V

e

s

t

a

的

模

型

，

定

位

是

「

通

用

具

身

推

理

」

（

g

e

n

e

r

a

l

i

s

t

e

m

b

o

d

i

e

d

r

e

a

s

o

n

i

n

g

）

。

所

謂

具

身

推

理

，

講

的

是

模

型

不

只

在

文

字

世

界

裡

推

理

，

而

要

把

感

知

、

空

間

理

解

與

行

動

決

策

結

合

起

來

，

讓

一

個

A

I

能

在

真

實

或

模

擬

的

實

體

環

境

中

，

看

懂

場

景

、

規

劃

步

驟

、

做

出

操

作

。

V

e

s

t

a

主

打

「

通

用

」

（

g

e

n

e

r

a

l

i

s

t

）

，

意

思

是

不

為

單

一

任

務

量

身

訂

做

，

而

想

用

一

套

模

型

應

付

多

種

具

身

任

務

—

—

這

正

是

當

前

機

器

人

研

究

的

聖

杯

：

與

其

每

換

一

個

場

景

就

重

訓

一

個

專

用

模

型

，

不

如

養

出

一

個

能

舉

一

反

三

的

通

才

大

腦

。

把

V

e

s

t

a

放

進

今

天

的

脈

絡

看

格

外

有

意

思

：

南

韓

押

注

二

〇

二

八

商

用

人

形

機

器

人

、

P

r

o

c

e

p

t

i

o

n

在

攻

機

器

手

的

資

料

瓶

頸

，

而

V

e

s

t

a

這

類

研

究

補

的

正

是

中

間

那

層

「

大

腦

」

—

—

硬

體

和

資

料

都

到

位

後

，

還

需

要

一

個

能

統

合

感

知

與

行

動

的

推

理

核

心

。

論

文

細

節

與

實

測

強

度

仍

待

社

群

檢

驗

，

但

方

向

上

，

它

代

表

實

體

A

I

從

「

能

動

」

往

「

會

想

」

推

進

的

一

步

。

當

硬

體

越

做

越

靈

巧

、

訓

練

資

料

越

補

越

多

，

最

後

決

定

機

器

人

好

不

好

用

的

，

往

往

就

是

這

層

統

合

感

知

與

決

策

的

推

理

大

腦

。