我看到了Scaling Law的信号​ | 徐梦迪 | 具身智能 | Scaling Law | 上下文学习 | 清华叉院 | 机器人泛化 | 机器人学习 | VLA

本期对谈清华叉院助理教授徐梦迪，深入探讨具身智能的核心命题——机器人上下文学习（ICL）。从清华车辆工程到CMU、斯坦福，徐梦迪的研究路线聚焦让机器人摆脱对预训练的单一依赖，通过上下文交互在真实场景中持续学习。她分享了Prompt Decision Transformer、Hyper-Decision Transformer等核心工作，解析了Algorithm Distillation等前沿思路，并讨论了缩放定律在机器人领域的信号与陷阱——Loss与Success Rate并非直接挂钩。她还谈到回国选择、李飞飞的训练方式、中国具身智能的泡沫与进步、世界模型vs VLA路线之争、数据采集的融合策略，以及对年轻学生的建议。她判断具身智能马拉松跑到了约10公里处，对未来3到5年出现范式拐点保持乐观。    • 【十字路口】“我看到了 Scaling Law 的信号" | 对谈清华叉院助理教授徐...