缩放定律（机器人领域）

缩放定律（Scaling Law）最初来自大语言模型领域，指模型性能随参数规模、数据规模和计算量的增加而持续提升的规律。[[Arda]]试图将这一规律引入机器人领域。

在机器人领域的应用

• 传统困境：机器人领域长期缺乏高质量训练数据，仿真数据再多也解决不了[[模拟到现实差距]]
• Arda的突破：将工厂现成的监控视频变成可无限扩充的"教科书"，为机器人行业按下了ChatGPT时刻的开关

潜在影响

如果缩放定律在机器人领域成立，意味着：

• 更多视频数据 = 更好的机器人性能
• 工厂视频数据成为核心资产
• 可能出现"视频数据市场"：工厂匿名上传工艺视频，换取经过微调的机器人模型

挑战

• 机器人领域的缩放定律是否成立尚未验证
• 视频数据的质量、多样性和标注成本
• 算力需求随数据规模增长