图片来源与许可 · 参考图使用许可未确认
AI 辅助插画 · 参考照片：本人、机构或原活动页面发布；摄影者未注明 · 参考图使用许可未确认 · 依据已核对姓名的来源页面图像，由 AI 绘制 B 细线彩铅头像；调整背景与肩部构图。展示图缩放至最长边 640 像素并转为 WebP。 · 参考图：Deepak Pathak - The Robotics Institute - CMU — Deepak Pathak
公开发言
3原话逐字核对过；转述不加引号我们的核心论点是构建所谓的全本体通用智能：任意机器人、任意任务、同一个通用大脑。无论是双足人形、四足机器狗、传送带上的机械臂还是灵巧手都无所谓。这种假设甚至比人类的控制能力更为通用，因为人类只能控制自己的身体。
our thesis is is to build what we call an omniodied intelligence any robot any task one brain okay any robot it can be a humanoid it can be a quadriped it can be a robotic arm on a conveyor belt or a dextrous hand doesn't really matter this even this hypothesis is way more general than uh one would argue humans are
语境：Deepak Pathak 提出 Skild AI 的跨本体通用基础模型路线：打破传统按单一形态定制机器人的范式，用单一通用策略统一多样化硬件。
端到端是 AI 许多领域被大量使用的词汇。但当我谈及端到端时，我是指真正的端到端：模型直接读取摄像头视觉输入，并直接将动力施加到各个电机上。除了最后用来将频率从 100Hz 提升到 500Hz 的经典比例控制器（P）之外，中间没有任何模块。
Now end to end is heavily used term in in many areas of AI. But when I mean end to end, I really mean end to end. It reads directly from the cameras and it applies power directly to motors. So we use nothing uh in between except just a P at the very end to go from 100 to 500 Hz.
语境：Deepak Pathak 解释其控制策略架构：彻底抛弃传统的感知-建图-规划分层管线，实现从像素到电机电流的纯神经网络闭环直驱。
通过人工遥操作采集机器人动作数据的物理成本极其高昂，单条样本约需一分钟，若想仅靠人工遥操作达到早期语言模型的数据规模，即便动员全美人口也需耗费一个世纪以上。
语境：Deepak Pathak 论证为什么具身智能不能单纯照搬互联网文本数据的缩放方法，必须通过多形态数据共享与高仿真学习打破数据天花板。