RSS大会具身辩论实录：徐丹飞激辩，PI连输三轮，数据之争成焦点

2026年RSS大会最后一天的workshop圆桌讨论，五位专家围绕世界模型展开三轮辩论。参与嘉宾：Georgia Tech与Nvidia的徐丹飞（组合世界模型）、Google与NYU的Sherry Yang（物理代理世界模型）、Physical Intelligence的Laura Smith（具身实践）、NVIDIA的Max Li（大模型架构）、OpenDriveLab的Li Chen（机器人数据与控制）。

第一轮：世界模型和策略模型，应该合体还是分开？

• “合体派”：Laura Smith（MoE可合并，最终需要超级模型）、Max Li（长期看好，但当前需通过表征翻译想象力为执行力）
• “分开派”：Sherry Yang（两者欠拟合且目标冲突，世界模型需要失败数据，策略需要成功行为，强行合并互相污染）、徐丹飞（分开利于调试定位问题）、Li Chen（策略实时性要求高，合体会拖慢）
• 观众投票：分开派胜出。嘉宾共识：世界模型和策略最好各司其职。

第二轮：可控性到底靠像素还是动作？

• “像素派”：Max Li（视频是最自然监督信号，高保真提供可解释性和调试接口）、Laura Smith（视频便于责任划分）
• “动作派”：Sherry Yang（自称曾支持像素派，但大实验发现纯像素在精细接触任务中不稳定，需引入语义和物理先验）、徐丹飞（视频只是世界切片，人类靠触觉和力反馈，判断模型好坏应看动作价值而非画面美）
• Li Chen未明确站队但倾向动作。观众倾向动作派。共识：视频与动作需更好结合。

第三轮：数据该从哪里来？

• “互联网视频派”：徐丹飞（机器人数据规模有限，人类视频规模大、泛化强）、Sherry Yang（人类是最强物理代理，可对齐为机器人数据）、Max Li
• “具身控制派”：Li Chen（互联网视频对高精度控制帮助有限，只能规划子目标，底层控制需亲身体验）、Laura Smith
• 观众投票：互联网视频派以61%胜出。共识：两者都不可或缺，混合数据飞轮（互联网提供广度，机器人提供精度）可能是突破方向。

三轮投票Laura Smith全部落败。Sherry Yang因实验倒戈行动派。徐丹飞指出领域刚刚起步，未来几年很热闹。