Deepak Pathak：突破机器人 70 年困境的全本体通用大脑

核心内容

本期发布标题为《Robotics Has Been Stuck for 70 Years — Deepak Pathak, Skild AI》。此处提供标题导览；具体观点与依据请查看下方逐条摘录及原片。

Published as “Robotics Has Been Stuck for 70 Years — Deepak Pathak, Skild AI”. This is a title-based guide; see the individual excerpts and original episode for claims and evidence.

介绍依据 · 发布标题 · 完整内容待核读

编辑导览，依据原始来源 ↗，整理于 2026-10-16。中英文均由本站概括整理。介绍只说明标题中的讨论议题，不据此判断讲者结论。

机器人学在过去 70 年间停滞不前的根源在于过度将其视为硬件定制工程而非通用大脑问题（Moravec 悖论）。纯人工遥操作的数据成本极其昂贵，根本不可能复现语言模型的数据规模。Skild AI 提出的破局范式是「全本体通用智能」（omni-embodied intelligence）：构建一个能泛化至双足人形、四足机器狗、机械臂等任意形态的通用基础模型，摆脱传统建图规划模块，直接从摄像头图像端到端输出电机扭矩，实现硬件层面的零样本迁移。

原话

2逐字核对过；核对了说话人和位置

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

自动字幕 · 已核对Deepak Pathak▶ 00:07:15 #具身与物理世界 #学习范式与路线

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。

支持 → latent-space-anastasis-germanidis-20260925

支持 → cognitive-revolution-keerthana-20261003

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.

自动字幕 · 已核对Deepak Pathak▶ 00:20:42 #具身与物理世界 #学习范式与路线

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。

支持 → cognitive-revolution-keerthana-20261003