Natura-1：用人类第一视角视频训练的 500 亿参数机器人基础模型

X账号Rohan Paul于10月13日发布帖文，转述Nature Will的Natura-1项目，称其为面向机器人操作的500亿参数MoE模型，并使用大规模人类第一视角视频进行训练；关注价值在于，这一方向试图用非机器人演示数据缓解真实机器人数据采集成本高、规模有限的问题。

• 帖文所述能力包括根据自然语言执行灵巧手任务、处理长序列步骤，以及在执行出错后恢复。
• 500亿参数是模型规模指标，不等于机器人端实际部署时需要运行的参数量，也不能单独证明泛化能力。
• “零样本”意味着任务未进行针对性训练，但有效性仍取决于测试任务、硬件配置、成功率和重复实验结果。
• 人类第一视角视频与机器人控制之间存在感知、动作空间和 embodiment 差异，训练数据规模不能直接替代机器人交互数据。
• 影响/看点：若项目能在独立基准和真实硬件上重复验证，第一视角视频可能成为扩展机器人预训练数据的补充路径；实际影响取决于公开模型、数据、评测协议和跨任务成功率，而不能仅由社交媒体帖文中的概述判断。
• 资料依据:
• X账号Rohan Paul（2026-10-13）：https://x.com/rohanpaul_ai/status/2109904215892218246
• Nature Will《Natura-1》项目页面（2026-10-13）：https://www.naturewill.com/natura-1

本内容由 AI 生成，仅供参考，请注意甄别