英伟达与斯坦福联合推出Cosmos Policy，通过直接基于视频模型微调，将机器人动作、预测与规划融为一体。这项技术仅凭几十条演示就能让机械臂掌握复杂操作，意味着具身智能正在突破数据瓶颈，迈向真正理解物理世界的新时代。
智能速览
英伟达与斯坦福联合发布Cosmos Policy模型
实现了机器人动作、预测与规划的“三合一”架构
仅需几十条演示即可完成叠衣等精细操作训练
机器人开始具备类似人类的“物理直觉”能力
精华内容
Cosmos Policy通过直接利用视频模型指导机器人行为，这种创新架构打破了传统训练的数据瓶颈，让机器人的学习效率实现了质的飞跃。
视频模型微调
传统机器人训练通常需要海量数据构建专用模型，而Cosmos Policy另辟蹊径，直接基于现有的视频模型进行微调。通过将动作生成、未来预测与轨迹规划融合在一个架构中，该技术打通了从视觉感知到物理操作的路径，使机器人能够更自然地理解环境与任务要求，不再依赖复杂的中间步骤。
极低数据需求
相比于过去需要成千上万次训练数据的方法，Cosmos Policy将门槛降到了极低水平。实测显示，仅需几十条演示视频，机械臂就能学会叠衣服、物品封装等精细操作。这种“少样本”学习能力极大降低了机器人的部署成本，使其在面对新任务时具备更强的适应性和灵活性。
拥有物理直觉
该技术最大的突破在于赋予了机器人“物理直觉”。机器人不再是机械地执行预设代码，而是能够像人类一样预测动作后果并自主规划路径。从机械执行迈向具备物理理解能力的智能体，这标志着具身智能技术在通用化和实用化道路上迈出了关键一步。
Cosmos Policy的出现，证明了利用视觉基础模型驱动机器人行为的巨大潜力。随着这种低门槛、高效率的方案普及，未来机器人在工业制造和家庭服务中的应用场景将更加广阔，通用机器人的落地或许比预期来得更快。
