东方理工金鑫：如何找到自动驾驶与机器人统一的「空间语言」丨GAIR 2025

主要观点总结

金鑫教授的研究团队专注于世界模型和具身智能领域，探索能够赋予机器想象力的世界模型训练新范式。他们尝试通过混合路径，结合显性物理规则和数据驱动方法，让模型理解物理规律，并构建出物理真实的世界模型。此外，团队在自动化制造场景下验证该技术，并展望其在自动驾驶和机器人领域的广泛应用。金鑫教授在雷峰网GAIR 2025大会上分享了他们的工作，并强调技术的实际产业应用和市场接受度。

关键观点总结

关键观点1: 世界模型与具身智能的研究

金鑫教授的研究团队关注世界模型和具身智能领域，旨在通过赋予机器想象力来改进模型训练。

关键观点2: 混合路径方法

团队采用混合路径，结合显性物理规则和数据驱动方法，使模型理解物理规律。

关键观点3: 物理真实性的重要性

金鑫强调世界模型需要追求物理真实性，以便在仿真环境中真实还原物体属性。

关键观点4: 工业制造场景的验证

团队在自动化制造场景下验证了该技术，并期待在自动驾驶和机器人领域的应用。

关键观点5: 技术的实际产业应用

金鑫教授在雷峰网GAIR 2025大会上分享，强调技术的实际产业应用和市场接受度。