李飞飞:如何让机器人看懂世界?

技术 发布于:2026-11-12 16:41:14

11月12日,在CoRL 2026机器人学习大会上,李飞飞带着World Labs的Atlas模型发表演讲,主题是《Atlas:一个用于生成与重建的统一世界模型》。

随后,她与AMD董事长兼CEO苏姿丰进行了一场炉边对话。这也是AMD宣布收购World Labs以来,两人首次公开同台。

今年9月,AMD宣布以约82亿美元(约合人民币547亿元)的全股票交易收购World Labs。这家由李飞飞创立、成立仅两年的AI公司,凭什么获得如此高的估值?

从Atlas的技术路线和这次演讲来看,AMD看中的显然不只是一个生成模型,而是下一代AI理解和模拟物理世界的能力。

Atlas试图让AI真正理解三维空间

过去两年,AI生成图片和视频的能力突飞猛进,但一个问题始终存在:模型能够生成看起来真实的画面,却未必真正理解画面背后的空间结构。

例如,让AI根据一张客厅照片生成一段环绕镜头的视频,模型需要想象照片之外的沙发背面、房间布局和家具位置。镜头转动时,如果缺乏稳定的空间理解,家具可能变形,物体的位置也可能前后矛盾。

传统三维重建则面临另一种困难。想要准确还原一个真实空间,通常需要大量不同角度的照片,甚至依赖专业扫描设备。拍摄覆盖不足,模型就很难还原没有被观察到的区域。

Atlas试图把生成与重建统一起来。它采用多模态自回归扩散Transformer架构,能够处理文字、图片、视频、深度信息和三维数据,并将不同输入放进统一的空间上下文中。它的一个关键设计是根据相机位置和运动轨迹预测下一个视角,让生成的画面持续保持空间一致性。

这带来三种工作模式:输入大量图片,可以进行较完整的三维重建;输入少量图片,可以推测缺失视角,完成稀疏重建;甚至只输入文字,也可以生成一个连续、具有空间结构的虚拟场景。

李飞飞在演讲中展示了斯坦福大学主广场的案例。只给模型少量地面拍摄的照片,Atlas就能逐步补全整个广场,并生成原始照片中没有出现过的航拍视角。输入照片从两张增加到八张、再增加到33张,重建结果也随之逐渐接近真实场景。

这里有一个容易被忽略的细节:模型生成的缺失区域,可能只是符合已有信息的合理想象,并不保证与真实世界完全一致。李飞飞展示的案例中,输入照片没有包含纪念教堂时,模型也无法准确还原它。这恰好说明,世界模型既需要生成能力,也需要足够的真实数据作为约束。

世界模型为什么对机器人如此重要?

李飞飞在演讲中总结了机器人面临的三个基础问题:理解和表示周围环境,预测采取行动之后可能发生的结果,以及通过仿真生成更多训练和测试数据。

这三个问题恰好与世界模型的核心能力对应。

以一台需要在家庭中工作的机器人为例,它首先要理解房间的结构、家具的位置以及物品的状态;随后需要判断抓取一个杯子、移动一把椅子会产生什么结果;最后还要在各种不同的环境中反复训练,学习如何处理意外情况。

过去,机器人训练大量依赖真实场景中的数据采集。工程师通过遥操作控制机器人完成动作,再将过程记录下来。这种方式成本高,训练场景也很难覆盖现实世界复杂的长尾情况。

Atlas提供了一种新的思路:用手机拍摄真实环境,将其重建为三维场景,再在虚拟环境中改变物体位置、光照、背景和机器人运动轨迹,生成大量不同的训练与测试条件。

World Labs展示的Real-to-Sim技术,还可以根据真实视频重建物体的运动和交互过程,让机器人在虚拟环境中模拟导航和操作任务。李飞飞在CoRL演讲中也展示了机器人先在虚拟环境训练、再尝试迁移到现实环境的探索。

如果这条路线成熟,机器人公司就有机会减少对真实场景采集的依赖,大幅扩展训练数据的规模和多样性。

AMD为什么愿意花547亿?

从这个角度看,AMD收购World Labs的战略意图就清晰了。

过去,AMD与英伟达的竞争主要集中在GPU性能、显存、互联技术和软件生态。随着AI进入机器人、仿真和物理世界,计算需求也会发生变化。

训练一个能够生成连续三维场景、模拟物体运动并支持机器人交互的世界模型,需要处理大量视频、空间数据和复杂的计算任务。模型如何训练、如何推理、如何部署,会直接影响芯片架构和系统设计。

AMD官方在宣布收购时就明确表示,World Labs的模型研究能力将帮助公司理解新兴AI工作负载的变化,并指导未来硬件、软件和系统的研发。交易完成后,李飞飞将加入AMD担任执行副总裁兼首席科学家,直接向苏姿丰汇报。

这笔收购还有一层更深的意义:AMD希望从芯片供应商进一步向AI基础设施提供者延伸。英伟达已经通过GPU、CUDA、Omniverse和GR00T构建了覆盖算力、仿真和机器人模型的生态。AMD需要更深入地参与模型研发,理解未来AI究竟需要怎样的计算平台。

当然,Atlas距离成熟的机器人世界模拟器仍有距离。视觉上还原一个场景,与准确模拟物体碰撞、摩擦、重量和形变,是两种不同的能力。即使生成的虚拟环境看起来非常真实,也需要验证其中的物理规律是否可靠。机器人在仿真中学会的动作,能否稳定迁移到现实世界,还需要更多实验。

但Atlas所代表的方向已经相当明确:AI正在从理解文字和图像,进一步走向理解空间、模拟物理变化,并为现实世界中的行动提供支持。

——————

如果说大语言模型让AI学会了理解人类的语言,那么世界模型试图让AI学会理解人类生活的世界。对机器人来说,这可能是从执行预设动作走向自主适应环境的重要一步;对AMD来说,这也可能是下一代AI计算平台竞争的新入口。

谈及机器人市场前景时,苏姿丰表示,人工智能目前仍处于发展早期,物理AI尤其是机器人领域蕴含着巨大机会,未来几年市场规模可能达到数千亿美元。她认为机器人需要真正理解物理规律、模型及周围环境,此时,硬件、软件和系统之间的协同优化将发挥重要作用。

+1
评论 收藏