henry 發自 RSS

量子位 | 公衆號 QbitAI

「包括Physical Intelligence在內，如今的北美頭部具身智能公司離成熟都還有不短的距離。整個領域，也還沒出現真正的奠基性工作。」

「中國真正領先的，恰恰是機器人硬件。美國同樣沒有成熟答案，中國公司又何必急着把自己稱為‘中國版XX’？」

這是量子位來到悉尼參加RSS 2026後，幾天交流下來聽到最讓人意外的兩個判斷。

但有一說一，這是後話。

剛到RSS會場時，最先冒出來的其實是另一個問題：

為啥世界模型在國內都火了快半年，怎麼到了機器人頂會，大家還在討論VLA？

這是我們這次線下的「第一感受」。

在周一的日程裏，世界模型還要和記憶放在一起，組成一場45分鐘的Session。

到了周二，模仿學習與VLA相關報告從下午3點多一路排到傍晚，結結實實佔據了後半個下午。

老實講，這其實挺讓人疑惑的。

畢竟在國內，「VLA已死，世界模型當立」的說法已經傳了好幾輪。

世界模型也被越來越多公司放進技術路線，被視為具身智能的新版本答案。

甚至略帶戲謔地說，今年只要有孖展新聞的具身公司，基本上都在做世界模型。

那到這，問題就來了：

為啥在機器人頂會上，大家還是VLA、VLA？難不成國內外真有半年時差？

在與不少同學、老師交流後，我們發現之所以這樣，其實是頂會的審稿周期已經跟不上AI領域的迭代了。

比如，RSS 2026在1月30日截稿，4月27日公布錄用結果，7月13日在線下舉行。

從截稿到會議，已經過去了近五個半月。

如果再算上論文從idea到實驗、寫作所需的幾個月，今天出現在會場上的成果，往往在大半年甚至一年前就已啓動。

因此，現在的頂會論文可能更像過去一段時間的技術切片，而很難成為過去幾周的行業熱搜。

當然，這並不是說論文不重要，畢竟任何研究都得站在之前人的肩膀上。

今年RSS的獲獎論文，量子位已經在啱啱，機器人頂會RSS三項最佳論文出爐！708篇送審，僅8篇殺入決賽中記錄，這裏就不再贅述。

相比重新複述論文，在這裏我們更想聊一些只能在線下發生的事。

RSS 2026大會程序主席Matei Ciocarlie在開場時問道：

為什麼我們要來這裏？為什麼不直接把論文發到arXiv，把視頻發到X（Twitter），然後就結束？

他的回答落在了一個詞上：connection，連接。

會議真正重要的，不只是台上的報告，還有人與人之間的聊天、討論和面對面交流。

量子位在RSS期間不僅和現場的學生、研究者及創業者聊了聊，也聯合香港大學OpenDriveLab、源策未來、諾亦騰機器人舉辦了線下活動。

除此之外，星海圖、自變量、千尋、智元等公司，也把交流延伸到了主會場結束後的after hours和晚宴上。

可以說，就在這些線下連接中，我們聽到了一些和國內熱門敘事不太一樣的判斷：

一位來自Sergey Levine組的受訪者直言：包括PI在內，今天的具身智能公司離成熟都還有不短的距離，整個領域也尚未出現他所認為的奠基性工作。中國具身在硬件有巨大優勢，對中國公司稱自己為中國版xx感到不解。

Physical Intelligence的實習生表示：VLA和世界模型並不衝突，可以全都要。不同任務需要語言推理和視頻預測兩種能力；至於世界模型能否像宣傳中那樣預測動作後果，他反問：「你真的看到它做到這件事了嗎？」

EgoVerse核心作者Simar Kareer認為：機器人領域缺的未必只是更多數據，真正拉開模型差距的還有數據如何篩選、配比和整理。

Karen Liu在閉幕Keynote中把機器人領域概括為「Model-rich, Data-poor」：過去積累的仿真、規劃和視覺模型未必適合直接充當機器人策略，卻可以相互組合，成為持續生產訓練數據的老師。

李弘揚教授認為機器人下一步要解決的不只是上半身操作，而是覆蓋移動、平衡、接觸和操作的全身智能；這並非一種單獨的模型能力，而是一項橫跨控制、感知、數據和硬件的系統工程。

Wenzhen Yuan指出，觸覺目前大多仍以附加模態接入VLA，背後的難題不僅在於數據稀缺；不同觸覺傳感器難以遷移，機器人的指尖與末端執行器形態也會直接影響觸覺能否發揮作用。

在與智元、宇樹、高擎、Seeed等廠商的交流中，多位從業者提到，在RSS展台上，來問詢的仍然是高校研究機構為主；最先追問的內容往往不是機器人展示效果，而是價格、投資回報、二次開發條件，以及產品能否進入礦山、巡檢等本地場景；現階段，中國機器人的硬件出海也明顯走在軟件和數據服務之前。

……

這些判斷未必代表行業共識，其中一些甚至彼此衝突。

但也正是這些分歧，讓我們重新思考VLA、世界模型、數據、本體與產業之間的關係。

世界模型和VLA，我全都要

數據，已經被公認為當前具身智能領域裏最重要的話題。

但毋庸諱言，無論是在審稿人亦或是投資人眼中，模型依舊性感。

就今年RSS的整體情況來看，負責抓取操作、模仿學習的文章仍然佔據絕對的領先地位，大家promo的時候也比較愛提到自家的模型。

那麼，回到最開始的問題，VLA還是世界模型？

在與Sergey Levine（Physical Intelligence）的兩位博士生交談時，我也把這個問題拋給了他們。

其中一位給出的答案是，兩條路線並不矛盾，甚至可以同時推進（pi0.7其實就有一個世界模型組件）。

在他看來，不同的具身任務，適合處理它們的方式也不一樣，有些任務天然更適合語言。

比如處理家務時，機器人需要先理解人的指令，再借助語言把一個複雜任務拆成多個子任務，逐步規劃接下來的行動。

而當任務變成把物體從A點移動到B點時，機器人也可以藉助圖像或視頻生成能力，預測動作結果，生成下一步需要達到的視覺狀態。

只不過，對PI自己而言，語言仍然承擔着更重要的角色。

這可能也解釋了為什麼從Steerable Vision-Language-Action Policies for Embodied Reasoning and Hierarchical Control到pi0.7以來，研究者始終把Steerable放在覈心位置。

這裏的Steerable，不只是讓機器人聽懂一句任務指令，而是讓人類或上層模型能夠通過語言、視覺子目標乃至更細粒度的控制信號，持續引導機器人選擇和組合動作。

也就是說，PI並不排斥圖像或視頻生成，但更傾向於讓VLM承擔語義理解和任務推理，再通過語言指令、視覺子目標等接口，把高層推理grounding到機器人的具體動作上。

有意思的是，在我們組織的晚宴上，我又碰到了他們。

我提到，在國內討論世界模型與VLA的區別時，有一種頗為流行的概括：

VLA根據數據輸入和語言指令直接輸出動作；世界模型則能預測未來狀態，輔助機器人規劃動作、規避風險。

他沒有直接認同這種劃分，而是追問了一句：

「你真的見過它們這樣做嗎？你真的見過一個部署了世界模型的機器人，說，這個動作我做了可能有問題，我不該這樣做，我該採取其他動作」。

說實話，我一時沒接上話。

後來再想，這句追問其實把問題拉回了更具體的地方。

對世界模型而言，關鍵不只是能不能準確預測未來，還在於它究竟應該預測什麼，以及這些預測能否真正幫助機器人完成操作。

這個問題，在我與Simar Kareer的交談中，有了更具體的答案。

Simar Kareer目前在佐治亞理工學院讀博，師從Judy Hoffman和徐丹飛教授，曾在Physical Intelligence實習，目前他正專注於egocentric方向的工作。

他認為，世界模型應該預測什麼，要由它最終服務的下游任務決定。

如果目標是讓機器人完成動作，那麼更合理的方向，是讓視頻預測（video prediction）與動作預測（action prediction）聯合學習，而不是只訓練模型生成未來畫面。

對此他舉了一個例子，現階段的視頻預測或許能生成視覺上合理的未來狀態，卻未必知道機器人的手有多大、要抓取的物體有多大。

缺少這些與真實動作相關的信息，預測出來的視頻再逼真，也很難直接轉化為可靠的操作。

因此，至少在現階段，視頻預測還無法完全取代動作監督。它可以幫助機器人想象未來，而動作預測與動作監督，則負責把這種想象落到真實、可執行的動作上。

此外，來自香港大學的陳立博士在Robot World Models研討會上又補充了另一層：

即便確定了預測對象，「生成未來」和「判斷這個未來是否有用」，也不一定要交給同一個模型。

「預測會發生什麼，和評估這對我是否有用，必須解耦。」

在他的RISE框架中，動力學模型負責生成未來狀態，價值模型則判斷這些狀態是否符合任務目標。

機器人由此可以先在模型生成的未來中嘗試不同路徑，再利用價值信號改進策略，減少在真實世界中試錯的成本與風險。

世界模型的價值，也就不只在於能否「想象未來」，還在於這些想象能否為動作提供有效依據。

總結來看，世界模型固然重要，但對具身智能而言，它並不是VLA的簡單替代，兩種方法也並不矛盾。

真正的問題在於，世界模型應該預測什麼，以及這些預測如何服務於機器人動作。

值得一提的是，在RSS會場內外，已經有不少研究者開始探索VLA與世界模型結合的混合架構，前面提到的π0.7正是其中之一。

數據量很重要，但Curation更重要

雖然模型上的創新可能好發論文，也更吸引眼球，但數據已經毫無爭議的成為了具身領域最重要的問題。

在poster環節，我們也排隊問了Simar幾個數據問題。

Simar這幾年從EgoMimic一路做到EgoVerse，研究的都是怎麼把第一視角人類數據用到機器人上。照理說，他應該是最看好Egocentric Data的那批人。

但當我問起數據該怎麼scaling時，他的建議卻是：

Egocentric數據當然有用，但我其實不建議你們直接從數據公司買（笑）。

在回答中，Simar舉了大模型領域的例子。他提到像OpenAI，anthropic，他們不光是數據多，更重要的是數據的清洗、篩選、配比和組織數據，機器人領域同樣如此。

也就是說，相比單純的堆數據量，數據的curation可能更重要。

但具體怎麼個curation，多少數據量纔夠，Simar頓了一下，並沒有給出直接的答案，只是建議參考π0的訓練規模（1萬小時）以及公開數據集。

也就是說，這個數字只是一個參照，不是一條已經得到驗證的Scaling Law。

類似的一幕其實也發生在論文匯報的QA環節。在論文中，研究得出的結論是：

隨着VLA預訓練數據規模和多樣性的提升，人類數據向機器人策略的遷移能力逐漸顯現。

於是，現場有觀衆追問：這種數據多樣性應該怎樣衡量？

Simar表示，他們會在不同Checkpoint和數據配方上做實驗，尋找效果更好的組合。但具體怎樣配，他沒有進一步透露。

後來我和諾亦騰機器人的工作人員聊了這個問題，他的看法是：

對於模型公司或者Lab來說，架構可以寫進論文，數據配方卻更像那份不會輕易示人的recipe。

這或許解釋了我們前面提到的，幾乎所有人都在談數據，論文裏最顯眼的東西卻仍然是模型。

所以，諾亦騰也提到了另一種可能性：

未來的數據公司未必只按小時出售原始素材，還需要自己訓練模型、做對照實驗和評測，最終向機器人公司交付經過篩選、能夠直接進入訓練流程的數據方案。

到了這一步，數據公司的價值就不再是「採了多少小時」，而是「知道哪些數據真正有用」。

當然，勸大家不要直接買數據，不代表Simar不看好Egocentric Data。

在「Data-Centric Robotics：What Data Do Robots Really Need？」研討會上，他重新畫了一遍機器人領域的數據金字塔。

過去，人們通常認為，最底層是規模最大的互聯網，中間是仿真數據，最上層纔是數量最少、成本最高的機器人遙操作數據。從數據規模來看，這樣的金字塔沒有問題。

問題出在它暗示的關係：互聯網和人類視頻似乎天然構成機器人學習的基礎，少量機器人數據只負責最後適配。

EgoVerse的實驗給出了另一種圖景。

只使用機器人數據與自由形態人類數據，提升有限；只加入與任務對齊的人類示範，改善同樣不大。最明顯的提升來自三類數據共同出現：

機器人遙操作數據；

與機器人任務對齊的Episodic Human Data；

覆蓋場景和長尾行為的Free-form Human Data。

機器人數據和任務對齊的人類數據共同提供了「錨點」，告訴模型人類行為與機器人動作空間怎樣對應。

所以，數據多樣性並不是把不同來源的數據倒進同一個池子。真正決定效果的，可能是Data Mixture中有沒有足夠的對齊區域。

但不管怎麼篩，真實機器人數據和具身人類數據都很難無限採集。那能不能換一種思路，讓模型自己生產數據？

機器人Data Poor，但Model Rich

在Karen Liu的閉幕演講Data Poor，Model Rich中，這位來自斯坦福大學計算機系、從計算機圖形學和物理仿真一路做到人形機器人控制的教授，就回應了上面這個問題。

Karen提到，機器人雖然Data Poor，卻並不缺模型。

Data Poor，不只意味着依靠數採員「力大磚飛」收集數據很難scale。

與此同時，隨着機器人任務從桌面抓取走向靈巧操作和全身控制，數據採集的難度也在不斷增加。

更重要的是，這種方式還藏着一個默認假設：每一條示範數據，都能立刻對訓練產生作用。

Model Rich則意味着，我們可以換一種思路，把已有模型變成數據引擎，用它們生產訓練數據。

計算機圖形學積累了物理仿真、動畫和數字人模型，計算機視覺有3D重建和幾何模型，機器人學也有軌跡優化、運動規劃和動力學模型。

這些模型各有所長，很難直接充當一個通用的機器人Policy。但在Karen看來，可能不是模型沒用，而是我們一直給它們安排錯了工作。

它們可以退到訓練階段充當Teacher，把已有知識轉化成高質量的機器人示範。

過去幾年，連接傳統仿真模型和機器人學習兩端的技術也開始成熟。

一頭是3D Gaussian Splatting，可以高效重建真實環境，為世界資產提供Real-to-Sim的部分解；另一頭是全身動作跟蹤策略，可以把運動學軌跡轉化成真實機器人的動作，為機器人行為提供Sim-to-Real的部分解。

現在缺少的，就是把兩端連接起來。

Karen團隊在VLK中搭建了一條Real-to-Sim-to-Real Pipeline。

整套系統不需要人類示範，在重建的室內環境中自動合成了4.8萬條視覺、語言和全身運動學軌跡，訓練出的策略還能遷移到真實的Unitree G1上，完成導航和物體搬運。

雖然這還不能徹底取代真實數據，但至少證明了一件事：

機器人Scaling的起點，未必只能是招更多人遙操作機器人，也可以讓過去積累的模型先把數據飛輪轉起來。

數據決定硬件

那麼再往前一步，如果數據如此重要，機器人是不是也應該圍繞數據採集來設計？

Sunday Robotics先設計Skill Capture Glove和機器人手，再圍繞這隻手設計整台機器人，可能就是最具體的回答。

在周一的研討會上，Sunday Robotics創始人Tony Zhao提到，他們並不是先買來一台機器人，再想辦法給它採數據。

（Tony Zhao與Cheng Chi分別是ALOHA、ACT和Diffusion Policy、UMI的核心作者，2024年共同創辦Sunday Robotics，現分別擔任CEO和CTO）

Tony和聯合創始人Cheng Chi先確定了Skill Capture Glove與機器人手的形態，讓兩者在結構上儘可能一一對應，再圍繞這隻手設計機器人的其他部分。

也就是說，數據不再只是機器人造好之後收集的訓練材料。它反過來開始定義傳感器、機器人手，乃至整台機器人的形態。

來自UIUC的Wenzhen Yuan在演講中也提到了類似的觀點。

機器人手指的形狀、相機、光源和材料，都應該與感知模型和操作策略協同設計。觸覺智能不只是一個傳感問題，還需要傳感器、數據、模型與機器人形態共同優化。

如果說前面的討論還集中在一雙手上，那麼諾亦騰展位上的全身動作捕捉，又把同一個問題擴展到了整具身體。

從手臂、軀幹到雙腿，機器人要學習的不再只是怎樣抓住物體，還包括怎樣移動、保持平衡，並在接觸中協調全身。

這也引出了本屆RSS上另一個不可忽視的方向：全身智能。

邁向全身智能

在今年RSS Early Career Spotlight的演講中，來自香港大學、源策未來的李弘揚教授提出了一個新的方向：全身智能（whole-body intelligence，WBI）。

（注：全身智能是指讓人形機器人從異構的人類與機器人經驗中學習可複用的全身協同先驗，並據此在真實環境中生成安全、自適應、可執行的行為。詳情可參考https://www.archon.tech/blog/whole-body-intelligence）

第一眼看到這個概念，我們其實有點意外。

畢竟，宇樹機器人已經在春晚上跑跳起舞，今年各家公司的Demo和論文又都在向精細操作發力。

下半身已經能跑，上半身也越來越會幹活，為什麼還要單獨提出全身智能？

問題可能恰恰藏在「能跑」和「能幹活」之間。

今天的機器人可以走到桌前，站穩，再伸手抓取。但真實世界裏的任務，往往不會這麼配合機器人。

搬起自行車時，雙腿需要隨着重量變化調整重心；伸手去夠遠處的東西時，另一隻手可能要主動抬起保持平衡；遇到狹窄通道，還得一邊側身，一邊繼續搬運。

到了這裏，走路和操作就不能再被拆成兩個互不相干的動作。機器人需要把腿、腰、軀幹和雙手當成一個整體，邊移動、邊操作，還能根據環境實時調整身體。

這也是李弘揚所說的全身智能。

具體來說，運動控制解決的是機器人如何穩定地從A走到B；全身控制解決的是一個給定動作如何被整具身體穩定執行。

而全身智能還要繼續回答，面對一個陌生任務，機器人該調用身體的哪些部分，如何協調移動與操作，出了意外又能不能自己恢復。

所以，李弘揚並沒有把希望完全寄託在一個從圖像直接輸出電機電流的超級模型上，而是給出了一套分層系統。

最上層的「大腦」負責理解語言、調用記憶和長程規劃；中間的具身模型把任務轉化成全身動作；更底層的身體模型與控制器，則負責平衡、接觸和實時執行。

不同模塊工作在不同的時間尺度上，最後共同完成一個任務。現場他提到的Figure Helix 02，採用的同樣是從語義推理、全身動作到平衡控制的分層架構。

但問題來了，如果底層控制只是其中一層，為什麼它仍然值得投入這麼多精力？

北京通用人工智能研究院研究科學家黃思遠在workshop中，給出了一個很形象的比喻。

人類大腦皮層大約有160億個神經元，而主要負責控制、平衡與協調的小腦，卻有約690億個神經元，佔整個大腦神經元數量的80%以上。

機器人也是如此。讓它「知道要做什麼」當然很難，但要讓幾十個關節在真實世界裏同時把這件事做好，同樣遠沒有解決。

現在看到的跑跳、空翻，很多還是針對特定動作訓練出來的專業能力，距離一個模型駕馭各種動作，還有相當長的距離。

黃思遠給出的路徑，是先為跑、跳、攀爬等不同能力訓練多個專業控制模型，再讓這些專家產生高質量的運動軌跡，交給一個更通用的模型學習。

小模型先把單項技能練到足夠好，大模型再吸收它們的經驗，獲得更加廣泛的身體能力。

如果回頭看前面的幾位演講者，會發現類似的思路一直在重複出現。

Karen Liu讓已有的專業模型退到訓練階段充當Teacher，Tony Zhao在高層策略與底層控制之間尋找合適的系統接口，黃思遠用多個專業模型為通用控制模型提供經驗，李弘揚把這些能力放進一套全身智能系統中， Wenzhen Yuan則試圖將觸覺感知融入機器人的基礎模型中。

（注：Tony Zhao還提到，機器人不太可能只靠一個從圖像直接輸出電機電流的模型解決所有問題。高層策略負責理解任務、生成動作目標，底層控制負責平衡與穩定執行，而兩者之間應該用什麼樣的動作表示連接，仍然需要專門設計）

端到端與模塊化，可能從來就不是一道二選一。

端到端回答的是一個模塊內部該如何從數據中學習，模塊化回答的則是整套系統該如何分工。

大模型也沒有消滅小模型，而是把它們重新安排成教師、身體先驗和底層控制器。

模型可以端到端，系統仍然需要有層次。

從這個角度看，全身智能不只是把機器人的腿和手接到同一個模型上。

具身智能的下一步，或許也不只是給機器人換一個更聰明的大腦，而是搭出一套能讓大腦真正調動整具身體的系統。

硬件先出海，智能再跟上

說完了學術，咱們聊聊背後的產業。

一位來自Physical Intelligence的人士告訴我們，美國在冒出幾家具身公司後，很快進入了一個相對平靜的階段，國內（中國）卻幾乎每天都有新公司出現，而且大多還能拿到孖展。

按照他的觀察，如果只看創業熱度、硬件供給和出海進度，中國具身智能已經明顯超過美國。

這種差異也延續到了RSS現場。

從參會者來源看，中國和美國包攬人數前兩名，依舊是會場裏的兩支主力。但到了讚助商名單，中國公司幾乎成了展廳裏的絕對主角。

宇樹、千尋智能、諾亦騰機器人、Seeed Studio、智元機器人，以及總部位於新加坡、同時在上海設有團隊的Sharpa都出現在了RSS現場。

那麼問題來了。

對於這樣一場以學術交流為主的會議，企業專門花錢讚助、搭建展位，到底值不值？

畢竟，RSS本身仍然是一場學術氣質很濃的、小而精的會議（每年接收論文僅一百多篇至兩百篇）。

在現場，海報展示環節往往比讚助展廳更擁擠，展位前最常出現的，也不是拿着採購單的企業客戶，而是追着技術細節問個不停的學生和研究者。

從我們在現場獲得的反饋看，如果只計算賣出了多少台機器人，這筆賬可能並不好看。

前來問詢的仍以高校和科研機構為主，真正帶着明確採購任務的企業客戶並不多。

但這恰恰解釋了為什麼具身硬件會先走出去。硬件看得見、摸得着，價格、負載和可靠性也容易比較。

即便當地還沒有成熟的具身智能產業，高校和開發者也可以先把機器人買回去，用於科研、教學和二次開發。

而且值得一提的是，在與宇樹的交流中，我們得知四足機器人的現實需求反而比人形更加明確。

國內常見的文娛表演、商務指引，在澳洲沒有那麼大的市場；礦區勘測、巡檢和分揀等能夠明確計算投入產出比的任務，反而更容易獲得關注。

與此同時，Seeed Studio則代表了硬件出海的另一條路線。

相比一台完整的人形機器人，它提供的開源硬件和邊緣計算設備價格更低，還有相對完整的社區、安裝教程和二次開發指引。

對於預算有限、具身生態又尚未成熟的海外高校來說，一個足夠便宜、能夠馬上上手的開發平台，往往比一個足夠炫的Demo更有吸引力。

這也是為什麼，相比購買一台機器人，海外用戶對模型和自動化方案往往更加保守。他們更希望先看到明確的投入產出比，再決定是否部署。

此外，不同公司也選擇了不同的落地方式。

宇樹等企業更多借助當地合作伙伴和分銷商銷售產品，先降低進入新市場的成本；智元則選擇在澳新地區設立自己的團隊。

智元工作人員告訴我們，相比把市場交給中間商，獨立運營雖然更重，卻能更快獲得客戶反饋，了解當地真正需要什麼任務，以及機器人應該怎樣進入已有的生產流程。

Sharpa則從成立之初就把全球市場作為基本盤，在新加坡和上海同時佈局。對於他們，參加RSS的價值也未必是現場成交，而是提前接觸研究者、模型公司和開發者，進入下一輪技術與數據生態。

綜上，中國公司集中出現在RSS，可能並不只是為了刷一遍存在感。

它們一邊賣硬件，一邊尋找當地合作伙伴、開發者和任務需求。頂會展位既是銷售、招聘的窗口，也是進入海外技術生態的一張門票。

但硬件先出去，並不等於具身智能已經完成出海。

中國在供應鏈、價格和交付能力上的優勢，讓機器人率先拿到了出海船票。模型如何適應當地任務，數據如何形成閉環，開發者生態如何建立，仍然需要在當地重新生長。

而且，這可能還不只是中國公司的問題。

另一位來自Physical Intelligence的人士告訴我們，包括Physical Intelligence在內，北美頭部具身公司距離成熟都還有一段距離，整個領域也沒有出現真正的奠基性工作。

所以當我們提到中國具身公司總愛對標美國、把自己稱為「中國版XX」時，他的第一反應反而是不解。

在他的印象裏，中國真正領先的恰恰是機器人硬件。既然美國的答案同樣沒有成熟，中國公司又何必急着把自己定義成誰的複製品？

等你的Conference Buddy成為大佬

回到開頭的問題，我們為什麼要來RSS？

Matei Ciocarlie在開幕式上講得很好，在結尾與大家分享原文：

最後，我還想講幾句，主要是送給在場的學生們。

那些真正的大佬一般都不會來聽開幕式（笑）。當然，也有例外，我剛纔好像看到Oliver坐在後排。不過總體來說，這些話主要是送給學生們的。

現場有多少學生？請舉一下手。歡迎大家。

還有誰是第一次參加RSS？

哇，非常多人，歡迎。

為什麼我們要來會議？

為什麼我們要來這裏？為什麼不直接把論文發到arXiv，把視頻發到X，然後就結束？

因為會議真正重要的，是人與人的交流，是聊天、討論和面對面的連接。

所以，我想分享一個小建議。

當年我還是學生的時候，我最大的夢想就是成為那些大牛們的Conference Buddy，和他們一起聊天、喝酒、跑步。

但這其實挺難。

所以後來，我發現了一個百分之百有效的方法，保證成功，絕不會失敗。

方法就是：等你現在的Conference Buddy，未來變成大牛。

真的。

RSS 2012同樣在悉尼舉辦。當時Kris Hauser正在拍照，Dylan Shell坐在那裏，我和Anca Dragan也在。那時我們都還沒什麼名氣，只是一起玩、一起聊天、一起認識彼此。

後來，Dylan穿上了RSS程序主席的夏威夷襯衫，Kris也穿過，今年輪到了我。

所以，去和知名教授聊天完全沒有問題。你可以直接走過去說：「Hi，我很喜歡你的工作，可以聊聊嗎？」這完全可以。

但我真正想強調的是，更重要的是認識你的同齡人，和他們建立聯繫，一起成長。

因為今天坐在你旁邊的人，就是未來整個領域的領導者。你們現在建立的，可能是未來幾十年的合作關係。

還有一點，和別人聊天的時候，不要一直越過對方的肩膀，尋找現場有沒有更資深的人可以聊。

不要這樣。

認真認識你眼前的人。

第二件事，是關於焦慮。

最近大家都在說，機器人領域變化太快了。這是真的。

我進入機器人領域已經大約25年，從來沒見過這麼多人進入這個領域，沒見過這麼多資金，更沒見過機器人的能力增長得如此之快。

這是一個令人激動的時代，但也是一個容易焦慮的時代。

很多學生都會覺得：「我是不是跟不上了？」「我的工作是不是不夠好？」

我自己也有過這種感覺。

為了緩解焦慮，我有兩樣東西。

第一是終身教職，第二是Perspective，也就是看問題的角度。

終身教職沒辦法送給大家，但Perspective可以分享一點。

第一，沒有任何人的工作真的和視頻裏一樣完美。

每個人的視頻，都會比真實效果看起來更好。所以，當你看到一個特別驚豔的視頻時，請記住，真實情況沒有看起來那麼完美。

它可能確實非常優秀，但永遠沒有視頻裏顯得那麼完美。

第二，你現在看到整個領域高速發展，其實是全世界幾千名研究者共同努力的成果。

它不是某一個實驗室的產出，也不是某一個人的產出。沒有誰真的比你高效10倍。

只是所有人的成果都被精心包裝起來，再一起擺到你面前，所以你纔會覺得：「怎麼一下子出現了這麼多東西？」

第三，請記住，如果今天你坐在RSS的會場裏，你已經進入了這個領域的最高舞台。

這裏就是機器人研究的頂級聯賽。

在這裏，你當然會遇見世界上最優秀的人。就像踢足球一樣，你會面對哈蘭德，也會面對姆巴佩，他們真的很強。

但與此同時，你也正在和世界上最優秀的人一起比賽。

請享受這一點。

未來，你們當中的一些人也會成為世界上最優秀的人。即便沒有，你依然站在最高水平的賽場上，偶爾也能在最大的舞台上打進一個漂亮的進球。

所以，請享受這個時代。

這是機器人領域最好的時代。讓我們一起珍惜它，讓這一切變得值得。

謝謝大家。

RSS 2026，正式開（閉）幕！