机器人世界模型（全新维度，0 去重 = 全新信息） 核心项目： - Awesome-WAM（OpenMOSS）：World Action Models 综合论文列表，含 DreamDojo（从人类视频学习的通用机器人世界模型） - awesome-physical-ai：VLA 模型、世界模型、具身基础模型论文合集，含 NVIDIA Cosmos Predict2.5 - π₀/π₀.5（Physical Intelligence）：视觉-语言-动作流模型，通用机器人控制 - GR00T N1（NVIDIA）：通用人形机器人开放基础模型 - InternVLA-A1（阿里巴巴）：统一理解、生成和动作的机器人操作模型 仿真环境： Genesis、Isaac Sim、MuJoCo 仍是主流 操作策略： LeRobot（Hugging Face）、Octo、Diffusion Policy、ACT 是当前热门

Axis Robotics 每天看着机器人模型在实验室里卡住。 跑不通的抓取动作，识别不了的场景，泛化不了的路径。 人类好像越来越能造机器人，但越来越不会教机器人了。 1> @axisrobotics 最早就是一个数据标注项目——只不过标的不是图片，是机器人动作。 你打开浏览器，用鼠标拖拽一个虚拟机械臂，教它怎么拿起杯子、怎么拧开瓶盖、怎么给花浇水。就这么简单。动动鼠标，教机器人，赚积分。 但团队很快发现了一个问题： 不是没人想教，是根本不知道怎么教。 2> 机器人的数据，被什么东西卡住了？ 大语言模型有全网文本可以训练。 自动驾驶有上亿公里路测数据。 但机器人呢？ 真实的机器人操作数据，只能靠实验室里少数专家，一台一台机械臂手动采集。成本高、速度慢、场景单一。 而机器人需要学会的，是真实世界里千变万化的动作——拿起不同形状的杯子、在不同光照下识别物体、在杂乱环境中规划路径。 实验室里采集的那点数据，不够。 3> Axis 看不下去了。 他们发现Physical AI最大的瓶颈不是算法，是数据覆盖度。 没有足够多、足够多样化的训练数据，再好的模型也是空中楼阁。 所以他们决定换一种思路。 4> 从实验室采集变成全民众包。 Axis 的做法很简单：在浏览器里搭建物理仿真环境，让全球任何一个人，打开网页就能操作虚拟机器人。 你拖拽机械臂完成的每一个动作，都会被记录成一条轨迹数据。 这些数据经过验证后，用来训练真正的机器人模型。 2026年2月，Axis 做了一次代号叫"小王子的玫瑰"的实验。 全球1.2万名普通用户在5天内完成了10,000条高质量轨迹数据的采集。 然后他们把其中一批数据直接部署到了真实的 Franka 机械臂上——成功复现。 不需要你买机器人，不需要你懂编程。打开浏览器，动动鼠标，你就在教一个真正的机器人如何行动。 5> 但最有意思的是商业模式。 企业客户可以提出定制化的数据需求——特定任务、特定环境、特定机器人本体。 Axis 把这些需求拆解成任务套件，分发给全球贡献者网络。 贡献者完成任务、产生数据，企业付费购买。 部分收入回流给贡献者。 形成一个闭环： 商业需求 → 任务生成 → 众包采集 → 数据验证 → 模型训练 → 部署落地 物理AI变成了一个网络：商业需求驱动数据创建，贡献者提供智能，模型持续进化。 6> 技术底子怎么样？ Axis 自研了 MetaSim 架构，把复杂的物理仿真和轻量化的网页交互解耦。 你在浏览器里拖拽机械臂的每一帧，背后是 MuJoCo 的高频物理模拟，再通过跨仿真重放技术在 Isaac Sim 里做大规模域随机化。 说白了就是：你操作简单，但数据质量不简单。 截至2026年7月，Axis 数据集已包含207个多样化任务和超过5万条轨迹。 7> 最新进展是什么？ 7月28日，Axis Robotics 宣布完成1200万美元种子轮融资。 Hack VC 领投，Nomad Capital、Pi Core Team Ventures、10K Ventures 及多位天使投资人跟投。 资金将用于加速建设大规模并行、有人类参与的全球数据引擎。 而且，Axis 即将在 Base 链上推出主产品——数据贡献记录上链，可验证、可追溯。 8> 现在，Axis 正在测试网阶段释放任务。 首批30个任务，已有三分之一进度跑满100%。 Hub 任务可以直接参与，Alliance 任务需要邀请码。 早起的鸟不一定吃到虫，但至少先占了训练工位。 关注 @BTCDTA 和 @0xsexybanana 机器人不会自己学会走路。 但你可以教它。 打开浏览器，动动鼠标，你就在参与建造物理AI的"GPT时刻"。 #AxisRobotics# #PhysicalAI# #Web3#

翁家翌新 blog：超越梯度的学习 昨天看到翁家翌（前 OpenAI 研究员）新写了一篇 blog《Learning Beyond Gradients》，挺有意思的，分享一些我读下来的感受。 原文较长且偏技术，下面这版做了不少删减和重组，建议感兴趣的同学直接读原文 · · · 翁家翌：超越梯度的学习 持续学习（Continual Learning）之所以一直很难，很大程度上是因为神经网络的顽疾：灾难性遗忘。那如果我们不只盯着权重更新这一条路呢？ 随着 LLM agent 越来越强，写代码这件事变得又快又好。但翁家翌注意到一个更有趣的现象：agent 可以反复读取失败信息、修改策略代码、添加测试、回放录像，让整套程序在不动任何网络权重的情况下持续变强。 · · · 这个视角让他重新审视了一个老朋友：heuristic，也就是手写规则和程序化策略。之前很多 heuristic 不是没用，而是维护太贵了，而coding agent 改变的正是这条维护曲线。那些曾经用完就扔的一次性补丁，开始变得值得长期拥有。 凡是能被持续迭代的东西，都开始变得更可解，这也恰恰是持续学习一直追求的目标。 它有没有可能成为继 pretraining → RLHF → 大规模 RL/RLVR 之后的下一个范式？ · · · 翁家翌用 Codex（gpt-5.4）做了实验，纯写规则版本，完全不碰神经网络。结果超出预期： — Atari Breakout 的打砖块分数从 387 一路升到 864，达到理论最高分； — MuJoCo 四足和跑步机器人任务中，纯 Python 策略也跑进了常见 Deep RL 结果的量级，HalfCheetah 五轮均值 11836.7； — 跑完 Atari 全部 57 个游戏后，在相同的环境交互步数下，中位数得分已经远高于 PPO 这类标准算法。 这里被更新的对象早就不是单纯的策略函数了，而是一整套带着记忆、反馈入口和回归机制的软件系统。翁家翌把它叫作 Heuristic Learning（HL，启发式学习）。 （我自己也做过 evolve，但不训练神经网络，纯靠规则约束，感觉系统怎么都智能不起来。其实不管 RL 还是 HL，能不能跑起来都是看一件事，优化结果的评分能不能清晰定义。） · · · Heuristic Learning（HL） 是什么？HL 怎么持续学习？ HL 的核心是用 coding agent 维护一个 Heuristic System（HS）。 和 Deep RL 的差异： — 反馈来源：不是 loss 函数，而是测试结果、环境奖励、日志、视频、失败模式分析； — 更新方式：不走反向传播，agent 直接改 policy、状态检测器、测试、配置或记忆结构； — 维护对象：不止一个 trace（黄金轨迹）、环境 wrapper 等。 以前怎么没人搞？专家系统 70 年代就有，但人维护起来是噩梦：加一条规则修好 case A，case B 崩了；规则堆到几百条后，除了原作者没人看得懂。 而 coding agent 不怕堆规则。它能同时读所有代码、跑全量测试、对比日志，把维护成本打下来。用翁的比喻说，就像纺纱机改变纺线成本曲线一样：手工纺贵得要死，机器一上来就塌掉了。 · · · Heuristic Learning 怎么做 Continual Learning 神经网络把经验压进权重，忘没忘、怎么忘的都是黑箱。HL 的历史则是显式的：版本 diff、回归测试、replay、视频、golden trace 全透明。新增能力前先固化旧能力：跑回归测试、跑固定种子回放。如果新规则破坏旧 case，agent 能直接定位到哪行代码引入的 regression。 但规则叠太多、agent 自己都维护不动的时候，就需要"历史压缩"，把一堆 case-specific 的补丁合并成更通用的逻辑，否则系统迟早变成没人敢碰的代码泥球。 · · · 当然，HL 不是万能药。因为 Heuristic Learning 并不能做所有神经网络能做的事情。它的上限卡在代码的表达能力：比如复杂感知和长程泛化。翁家翌也坦率地说，他想不出有哪个 agent 能纯靠 Python、不用网络去搞定 ImageNet。 所以真正的问题变成了：怎么把神经网络和 HL 结合起来，同时搞定在线学习和持续学习？ 最有希望的方向是：用 HL 快速处理在线数据，把在线经验变成可训练、可回归、可筛选的数据，再周期性地更新神经网络。以机器人为例，借用 System 1 / System 2 的说法，一种可能的分工是： — 专用浅层 NN 作为 System 1 的一部分：快、便宜，负责感知、分类、物体状态估计； — HL 也可以当做 System 1 的一部分：负责最新数据处理、规则、测试、回放、memory、安全边界、局部恢复； — LLM agent 作为 System 2：负责给 HL 提供反馈、改进数据，并周期性把 HL 生成的数据拿过来更新自己。 · · · Agentic coding 改变的不仅是写代码的速度，更改变了"哪些代码值得被长期拥有"。过去很多 heuristic 看上去没前途，不是它们太弱，而是维护不起。 coding agent 改变的就是这条维护成本曲线。 规则、测试、日志、记忆和补丁，原来只是散落的工程材料，现在开始能组成一个持续进化的 Heuristic System，去解决在线学习和持续学习一直没搞定的事。 欢迎来到下一个范式。 · so，skills + instruction following = AGI？

OpenAI 后训练核心成员翁家翌（Jiayi Weng）以个人名义提出了一种名为「启发式学习」的强化学习新范式，并开源了全部实验代码。他用 Codex（GPT-5.4）反复玩 Atari 打砖块游戏，但 GPT-5.4 自始至终没有被重新训练过。真正在进步的，是 GPT-5.4 写出来的那套游戏策略代码。 流程是这样的：GPT-5.4 先写一版打砖块的 Python 策略，跑一局，看录像，找出哪里打丢了球，然后自己改代码再跑。经过几轮迭代，策略代码从 387 分涨到了 864 满分。全程没有任何神经网络被训练，纯靠 AI 反复修改 if-else 规则、调落点预测、加死循环检测。最终那套代码包含球路预测器、卡球检测器、回归测试和实验日志，已经长成了一个完整的软件系统。 这和传统强化学习的核心区别在于「学到的东西存在哪」。传统做法把知识压进神经网络参数里，人看不懂，学新任务还容易把旧的覆盖掉（即灾难性遗忘）。翁家翌的做法反过来：知识就是代码，人能读、能改、能加测试锁住，不会因为学新东西就丢了旧本领。 除了打砖块满分，他还在 MuJoCo Ant（模拟机器蚂蚁走路）上跑出超 6000 分的深度强化学习级成绩，在 Atari57 全套 57 个游戏上逼近了 PPO 基准。但翁家翌也明确画了边界：纯代码搞不定复杂感知任务，比如用 Python 写 if-else 去认图片。 他设想的终局是混合架构：底层用轻量神经网络负责视觉等感知，中层用启发式学习处理实时逻辑和安全规则，顶层由大模型审查日志、改代码，再周期性地用底层积累的高质量数据更新自身。过去手写规则之所以被淘汰，不是因为规则没用，而是人类维护不起。现在 AI 写代码够快够好，这条老路重新走得通了。