李飞飞高徒黄文龙：具身智能需要一次「脑内搜索」革命 | RSS 2026

斯坦福大学研究团队在 2026 年悉尼 RSS 大会上提出新观点，认为具身智能的发展不应完全照搬大语言模型的数据驱动模式。研究者黄文龙指出，物理世界的数据获取存在时空不可逆性，单纯堆砌视频数据并非最优解。

该研究强调机器人需要一种“脑内搜索”能力，即在未经历所有失败的情况下，通过内部推理模拟出另一种可能性。这种机制旨在打破行业对海量物理数据的盲目崇拜，转向更高效的认知学习路径。

这一思路的转变可能为具身智能领域带来新的算法方向。如果机器人能够通过推理而非试错来学习，将大幅降低物理世界数据采集的成本和时间，加速智能体在复杂环境中的部署与应用。

本站展示内容为基于公开信息的资讯解读与整理，不代表原文转载。如需核实细节或获取完整报道，请通过下方链接访问原始来源。