物理AI的最大难点或许不是做大模型

我的观点是，物理AI最难的问题可能不是构建更大的模型，问题可能出在如何把杂乱的人类演示转换成机器人能信任的训练数据。

一条来自@axisrobotics的轨迹可以到达正确的最终状态，但仍然是劣质的训练数据，如果运动过程中包含：
• 突然加速
• 不必要的振荡
• 突兀的修正
• 低效的路径

模型不只是学习机器人最终停在了哪里，它还会学习抵达终点所用的运动模式。如果演示本身有噪声，机器人可能学到不稳定或者低效的行为。这就是轨迹清理为什么重要。

在已发布的、跨16个LIBERO任务的对比中，Axis显示平均加速度伪影从0.2128降到0.0985，降幅约54%；加加速度（jerk）从2.7844降到1.4670，降幅约47%。

简单来说，记录下来的运动突然变化更少，整体变得更平滑。加速度伪影可以指示运动中不想要的变化，加加速度衡量加速度变化的突兀程度。

数值更低不自动代表任务被正确解决了。它们只是运动质量的信号，不能完全替代成功率、重放验证或任务评估。

重要的是这些数字背后的处理流程：原始人类轨迹→检测噪声运动→平滑并重采样轨迹→保留和任务相关的动作→重放轨迹→测量质量→筛选有用的演示。

目标不是抹除所有修正。有些修正很有价值，因为它们展示了人类如何处理不确定性。目标是把有意义的修正和意外噪声分离开。

这也解释了为什么重放对齐如此重要。如果浏览器、策略运行时和物理引擎对同一个动作的解读不一样，你就很难判断轨迹变好到底是因为数据变干净了，还是因为各个系统表现不一致。

没有可靠重放的干净数据收集会带来不确定性。没有干净数据的可靠重放会保留糟糕的演示。在人类轨迹能成为有用的训练样本之前，这两层都是必需的。

这就是基于浏览器的机器人数据收集背后更深层的挑战。问题不只是「有多少人能控制机器人？」，而是「有多少份演示能在清理、重放和评估后，留存为一致、训练系统真的能用的数据？」

上文的数字是Axis发布的基准测试结果，不是独立审计，且16个LIBERO任务也不能证明它在真实世界具备通用性能。但它们凸显了一个重要原则：物理AI不只是模型问题，它也是数据质量问题。

机器人交互从这里开始，变成了数据工程。