🔎低自由度夹爪，为什么是大规模机器人学习的最优解 这几天，一直在研究 @axisrobotics 的轨迹任务的技巧，尤其是那些双臂操作。做着做着，心里忽然冒出个问题： 为什么 Axis 的机器人末端，始终是个普通夹爪，而不是灵巧手？ 看着那些需要双手配合的场景，一只手稳住物体，另一只手去推、去调整，我总忍不住想，要是换成多指灵巧手，不少动作一只手其实就能完成。手指灵活了，物体在掌心里转个向、换个姿态，很多双臂任务的复杂度立刻就能降下来。 带着这个疑问，我查了些资料，也结合这些天的操作感受，慢慢想明白了。 Axis 现在主要用的是类似 Franka 的并行夹爪。开合就一个自由度，键盘空格键直接控制。双臂任务里，按 C 键切换左右臂，动作本身不算复杂。 这种设计看着“简陋”，但放到整个平台的目标里，其实很合理。 最直接的原因，是数据收集的效率和可控性。 Axis 的核心，是在浏览器里大规模采集人类演示轨迹。贡献者用鼠标键盘就能上手，不依赖额外硬件。夹爪的动作空间极小，位置、姿态，再加一个开合度。操作者可以把注意力集中在抓取时机和微调上。 如果换成灵巧手，十几甚至二十多个自由度，靠键盘根本控不住。就算引入 VR 手套或动作捕捉，门槛立刻抬高，全球贡献者的规模会大幅缩水。平台追求的是“人人都能贡献”，而不是少数专家在实验室里精雕细琢。 再往深一层看，是学习效率的问题。 模仿学习对动作空间的维度非常敏感。夹爪策略只需要学会“什么时候开、什么时候关”，几十到上百条高质量演示通常就够用了。 灵巧手却要协调多根手指的协同、接触力和重定向，数据量往往要高出好几倍，甚至一个数量级。 Axis 现阶段的重点，是快速积累覆盖面广的基础操作，拣选、放置、排序、开关抽屉这类。用夹爪，能把有限的演示预算花在更广的任务分布上，而不是过早陷入高维动作的泥潭。 双臂配合，反倒成了一种很自然的补偿。 很多看起来“必须双手”的任务，本质是因为夹爪缺乏手内操作能力。一只手固定，另一只手执行，等于是用空间换灵活性。而这种协调本身，就是很有价值的技能。 真实世界里，并不是所有机器人都装着昂贵脆弱的灵巧手。双臂夹爪系统在工厂、仓库、家用场景里依旧常见。Axis 现在收集的双臂数据，直接对应了这类实际需求。等基础协调学会了，再往灵巧手上迁移，会有一个更扎实的底座。 当然，灵巧手并不是不需要。 工具使用、衣物折叠、精细装配，最终还是要靠多指来完成。Axis 的路线图里，已经写了多形态支持，包括灵巧手、轮式双臂、人形。 他们的思路是先把夹爪和双臂跑通，把数据采集、清洗、后训练的闭环做扎实，再逐步引入更高自由度的末端。这是务实的顺序，不是技术上的局限。 夹爪不是偷懒的设计，而是现阶段最匹配目标的选择。 它让数据收集足够简单、足够快、足够大规模；让策略学习的门槛可控；同时也逼着系统去学习真正的双臂协作。等这些基础打牢了，灵巧手自然会进来。到那时候，很多现在需要双手的任务，可能真的就变成单手的事了。 研究这些轨迹时，偶尔还是会想，“要是有手指就好了”。但仔细想想，正是因为现在没有，才把那些更底层的问题暴露得更清楚。 #PhysicalAI# #Robotics# #EmbodiedAI#

说实话，X新规出来后我一点动力都没有了，如果像我这样平均每帖过2万的原创作者也是达不到 3个月50万 认证者浏览量，（我现在才达到一半）但是我认为我已经很努力了，每天花在X上的时间也是5-6个小时以上，这已经严重影响我本职工作了。而且即使我再努力一倍估计也就刚刚算达到50w 认证流量也就两周30刀，我还不如换条路走。 谢谢你们的支持，我以后每天可能花的精力会少很多在X上了，世界很大，我要去看看。身体健康也很重要我要去锻炼。 PROMPT: 15秒MiniDV第一人称自拍视频｜巨兽灾变前兆 一名严肃的成年女探险者深入被群山包围的远古荒漠盆地。盆地中央矗立着一座巨型金字塔，后方是两座完全平行的黑色方尖塔。数百米高的金棕色有翼巨兽正在金字塔上空缓慢起身 titantics_original_Epic_--no_animals_snow_clouds_creatures_--_70c3321b-528f-4811-8e1b-d970f9223987_3 。 女主原以为巨兽正在袭击城市，但观察后发现，它从未追逐逃跑的人群，注意力始终锁定两座方尖塔。巨兽似乎不是灾难的源头，而是在等待某个更加危险的东西苏醒。 女主角设定 女主角是一位29岁的东亚女性遗迹探险者 穿着 HOw8obwaoAAHmJT ，气质冷静、严肃、警觉，不是活泼游客，也不做网红式惊讶表演。 自然偏窄的鹅蛋脸，利落眉形，深黑瞳孔，鼻梁挺直，嘴唇为自然裸色。皮肤保留毛孔、汗水、风沙和眼下疲惫纹理。脸颊与额头沾有少量荒漠灰尘，不磨皮、不使用浓艳妆容。 黑色长发扎成紧实低马尾，部分发丝因高温与汗水贴在太阳穴。她的眼神大部分时间观察巨兽、金字塔和仪器，只在需要留下记录时短暂看向镜头。 她穿一套性感但专业、完整覆盖身体的深灰黑色紧身探险服： HOw8obwaoAAHmJT 加丝袜 hf_20260730_044943_833909d3-0181-4d86-b4ad-8fdd91945fbd 和紫色高跟鞋。 性感感来自干练的紧身剪裁、成年女性的力量感和冷静气质，不通过裸露、挑逗动作或身体特写表现。 拍摄方式 她始终亲自用右手握住一台银灰色MiniDV摄像机，腕带牢牢套在右手腕上。没有摄影师、无人机、第三人称跟拍或外部电影机位。 自拍时摄像机距离面部约45厘米。展示巨兽时，她必须先转动身体，再通过右手腕将镜头从自己转向盆地。镜头移动范围受手臂长度限制，不能自动飞到巨兽附近。 16:9 MiniDV宽屏画面，自然手持，带有奔走时的上下震动、轻微倾斜、风沙造成的对焦迟疑、强烈阳光下的曝光呼吸、真实动态模糊、隔行拖影、细小DV颗粒和磁带色彩。 场景锁定 荒漠盆地两侧是黑褐色陡峭山脊，地面干裂，零星分布着正在撤离的当地居民与遗迹调查人员。所有人都距离女主较远，各自撤退，不集体看镜头。 金字塔位于盆地中心，塔尖与后方两座方尖塔形成笔直轴线。方尖塔表面没有装饰，中央各有一条极窄的垂直缝隙。 巨兽距离女主约600米，但因体型难以想象，仍占据大部分天空： 头部宽度接近金字塔正面基座； 双翼展开后覆盖盆地两侧山脊之间的大部分天空； 四根长角向前弯曲； 金棕色鳞片具有磨损、裂纹和尘土； 背部排列多层坚硬骨刺； 翼膜厚重，带有血管纹理、旧伤与尘沙； 巨兽始终面向金字塔和方尖塔，不主动观察女主。 0—4秒：她发现巨兽的真正目标 录像开始时，女主正弯腰穿过一块黑色岩石后方。 MiniDV保持近距离自拍，她的脸位于画面左侧，身后可以看见巨兽一部分展开的翅膀、升腾尘云和远处金字塔。脚步使画面产生紧张但可辨认的抖动。 她停在岩石掩体后，左手按住耳边通讯器，注视翻转屏中的巨兽。她压低声音，冷静说道： “它没在追人……它在守塔。” 她没有微笑。说完后迅速看向身后，确认巨兽仍未改变方向。 4—8秒：巨兽威严起身 她用左手扶住岩石边缘稳定身体，通过右手腕将摄像机从自拍方向转向盆地。 镜头经过她的肩膀、护甲和岩石，随后展示巨兽、金字塔与两座方尖塔。自动对焦先落在近处岩石上，短暂迟疑后才找到远处巨兽。 巨兽将左前爪从尘云中抬起，向前踏下一步。利爪落地后，大量尘土从接触点向外扩散。它把身体重量压向前肢，胸腔升高，背部骨刺依次显露。 随后双翼从半折叠状态向两侧展开：肩部先发力，粗壮翼骨逐节伸直，沉重翼膜最后被拉紧。动作具有巨大惯性，不快速扇动，不像轻型鸟类。 女主在镜头外说道： “看它的方向——它一直盯着塔顶。” 8—12秒：不是攻击，是警告 巨兽没有飞向女主。 它保持在金字塔后方，头部缓慢转向两座方尖塔。颈部鳞片相互挤压，四根长角随着头部转动划过天空。它压低前半身，将双翼进行一次沉重、有力的向下拍击，却仍然保持落地姿态。 翼下气流掀起一面向外扩散的尘浪。尘浪先经过金字塔外围，再向盆地两侧传播，没有瞬间抵达女主位置。 巨兽张开巨口，胸腔收缩，发出低沉吼声。因为距离遥远，画面先看见它张嘴，约一秒后MiniDV才录到低频龙吟。 与此同时，两座方尖塔中央的垂直缝隙同时亮起暗红色微光，光线从塔底缓慢向上移动。 女主声音第一次出现明显紧张： “不对……两座塔同时启动了。” 12—15秒：真正的大事正在地下 尘浪延迟抵达女主所在的岩石掩体。 风沙突然打在她的紧身探险服和MiniDV机身上，镜头出现一次明显震动。她立即收回手臂，将摄像机转回自拍，用左前臂挡住口鼻。 画面重新找到她的脸时，她的瞳孔明显收紧。她没有看巨兽，而是低头看向腰间探测器。探测器上的指针快速抖动，低频警报断续响起。 她抬眼看向镜头，用很低但确定的声音说道： “不是它要醒……是地下那个。” 最后一秒，地面从远处金字塔方向传来一次深沉震动。岩石表面的细沙轻轻跳起，巨兽立即停止吼叫，将头部转向脚下。 录像在第二次更强的地下闷响即将到来之前结束。 巨兽动态要求 巨兽的动作必须威严、沉重且连续： 左前爪抬起并踏地； 身体重心随前爪向前移动； 胸腔升高，背部骨刺逐层显露； 双翼由肩部带动，依次展开； 头部与颈部缓慢转向方尖塔； 双翼只进行一次沉重拍击； 尘浪按距离逐渐扩散； 巨兽张嘴后，龙吟延迟抵达； 地下震动出现时，巨兽停止动作并看向脚下。 巨兽始终距离女主约600米，不飞向她、不扑向镜头、不攻击撤离人群。压迫感来自尺度、重量、尘浪、低频吼声和它对方尖塔的高度警戒。 现场声音 干燥强风、女主急促但受控的呼吸、靴底踩砂、装备扣件轻碰、远处人群撤离声、巨兽踏地产生的低频冲击、翼膜受力声、延迟传来的吼声、探测器警报和地下闷响。 无背景音乐、无旁白、无预制怪兽音效轰炸。 负面约束 无巨兽飞到女主面前，无巨兽扑向镜头，无近距离咬合，无火焰攻击，无爪击女主；无巨兽瞬移、尺寸变化、翅膀随机扇动、翼膜穿模、头颈分离或尾部无规律抖动。 无女主性感摆拍、撩头发、扭腰、慢动作走秀或身体局部特写；无裸露、透明服装、乳胶色情质感、高跟鞋或不适合探险的装束。 无摄影师、无人机、第三人称镜头、外部低角度巨兽特写、电影式切镜或稳定器跟拍；所有画面均来自女主手中的MiniDV。 无方尖塔突然爆炸、无金字塔瞬间坍塌、无地下怪物在本段直接现身。紧张感停留在“大事即将发生”，不提前揭晓。 无慢动作、无史诗配乐、无AI旁白、无字幕、Logo或水印。

深有同感的文章： 作者说 Qwen 3.8 27B 模型非常强，但是默认 reasoning effort 是 xhigh。 画一个鹈鹕骑自行车的 SVG用 xhigh：跑了 21 分钟，花了一大堆reasoning tokens，最终输出质量很高，但完全过度。 连画一个圆都会被它搞成带动画/渐变/同心圆的复杂 SVG。 GPT-5.6 Sol 也是这样的 xhigh /ultra 会严重的 over-engineer，会非常追求边界情况的边界情况，糊出屎山中的屎山，容易陷入长时间的 review/fix 循环，把 token 额度烧得很快。 我现在做任何都不会开它的 xhigh，用过一次要哭了，啥情况需要这个档位？要多复杂的大任务和多步规划才需要这个档？fail fast 是 AI 写代码我看来最重要的特性，xhigh完全是反 fail fast。

深蹲一千公斤的巩俐老师抱lucky跟玩一样。lucky这腰臀比无敌了。屁股太好把了。希尔顿的柜子坏了真行。 模特：@babylucky98 @yui38652202 @linsivvi303 @Fengsiyuan @XWANWU

深一点 用力点 久一点 👙:@bokn06 📧：@fengsiyuan #约拍# #人体艺术# #独立摄影# #ZENGXIAOXIAN# #摄影曾小贤# #曾小贤# #NSFW# #NudeArt# #NudePhotography# #ArtisticNude# #BoudoirPhotography#