# 机器人是怎么学会干活的：一段当代简史

> 原标题：How robots learn: A brief, contemporary history

- 来源：MIT Technology Review · AI
- 发布时间：2026-04-17T10:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/2698
- 原文：https://www.technologyreview.com/2026/04/17/1135416/how-robots-learn-brief-contemporary-history/

## 摘要

2025年人形机器人拿到的投资是61亿美元，是2024年的4倍。钱突然涌进来，不是因为造出了C-3PO，而是机器人学习的方式彻底变了。以前靠人手写规则，比如叠衣服要定义领口、袖口、折叠角度，情况一多规则就爆炸。2015年前后，前沿做法改成在仿真里用奖励信号让机器自己试错，跑几百万次来学会一个动作。2022年ChatGPT出来后，思路又跳了一步：把大模型...

## 推荐理由

这篇不是新发布，更像一篇梳理，所以放在 featured 偏低的档位。我会先打个折：正文在案例部分被截断了，后续公司细节没披露，这点先别太激动。但它的价值在于把 61 亿美元的热钱和两条技术路线讲清楚了——仿真试错那套从 2015 年就在跑，2022 年后多模态动作模型开始让机器人直接输出动作，本质是用数据换掉手写规则。对做具身智能的人来说，这个框架比单点新闻更有用。

## 锐评

这篇文章把机器人学习方式的转变讲得很清楚。核心就两步：2015年前后，前沿做法从手写规则转向在仿真里用奖励信号让机器试错，跑几百万次学会一个动作；2022年ChatGPT出来后，思路又跳了一步，直接把图像、传感器读数、关节状态喂给模型，让它预测下一步该发什么电机指令，一秒能出几十条。

钱的变化很直观：2025年人形机器人拿了61亿美元投资，是2024年的4倍。但正文在关键地方截断了，后面提到的Jibo等具体案例没展开，没法判断这些新方法在实际产品上到底跑得怎么样。

我会先打个折：钱涌进来说明方向被认可，但文章没给出任何量产、可靠性或成本数据。从“模型预测动作”到“家里真能用的机器人”，中间还隔着硬件耐久、安全冗余和长尾场景这些老问题，这些正文都没提。