UC Berkeley Ken Goldberg 教授：具身数据规模落后十万年，你仍然相信数据万能吗？| ICRA 2026

背景

在 ChatGPT 引发的大模型浪潮下，视觉语言动作模型（VLA）与人形机器人热潮兴起。行业普遍弥漫着一种乐观情绪：正如大数据解决了视觉和语言问题，依靠海量数据、深度学习和大模型驱动的 Model-Free（无模型）路线，必将通过 Scaling Law 将具身智能推向 GPT 时刻。

然而，在 ICRA 2026 会议上，UC Berkeley 教授 Ken Goldberg 发出了不同的声音。他提出了著名的“十万年数据鸿沟”概念，对“数据万能论”提出了尖锐质疑，并探讨了具身智能落地的现实路径。

核心内容

1. 十万年的数据鸿沟

Ken Goldberg 指出，当前具身智能面临的最大瓶颈是数据的极度匮乏。如果按照人类平均阅读速度计算，阅读完今天训练大型语言模型（LLM）所使用的全部数据，大约需要 10 万年；而换算到机器人领域，目前积累的数据总量仅相当于几年的规模。

此外，机器人系统的状态空间维度极高（如人形机器人仅双手和手臂就超过 50 维），且缺乏互联网级别的大规模训练数据。因此，尽管大数据终将解决机器人问题，但核心问题在于“什么时候发生”。

2. 两种文化的冲突：Model-Based vs Model-Free

Goldberg 将机器人学