| 本期觀點｜ 南韓人工智慧新創 RLWRLD 最近受到業界的關注，主要原因是因為它把攝影機綁在真實工作者身上。根據美聯社報導，首爾樂天飯店（Lotte Hotel Seoul）的餐飲主管 David Park，在頭部、胸前與手部配戴攝影機，示範他多年來反覆做過的宴會餐巾摺疊、擦拭酒杯與整理餐具等動作；而 RLWRLD 也從 CJ 物流倉儲員工、日本便利商店 Lawson 員工身上蒐集類似資料，目標是建立一套可以訓練機器人「大腦」的人類專業動作資料庫。 這個事件值得新創與台灣產業思考的是：Physical AI 的競爭，正在從誰有比較炫目的機器人外型，轉向誰能掌握更多真實場域裡的工作知識。這些知識過去都藏在老師傅的手感、節奏、判斷與臨場調整裡，很少被寫成 SOP，更少被轉成可訓練模型的資料。而 RLWRLD 的案例正好提醒我們，下一階段的機器人競爭，可能不只是硬體、感測器與模型架構之爭，還有「現場知識能不能被資料化」的競爭。 繼續閱讀⋯⋯ |
| A South Korean startup captures workers’ techniques to develop AI brains for robots 這篇報導描述了首爾樂天飯店、CJ 物流與 Lawson 等場域如何提供真實工作動作資料。也補充南韓政府推動 Physical AI 的政策背景、勞工疑慮，以及機器人仍難取代人際互動任務的限制。 | Inside the Korean hotel training humanoid robots with cameras on workers’ hands 這篇文章說明 RLWRLD 在飯店場景蒐集工作者動作資料的過程，特別說明手指位置、關節角度與施力資料如何被用來訓練機器人。 |
| The Physical Intelligence Layer 文章主張未來機器人應用需要一個可重複使用的「physical intelligence layer」，降低開發實體機器人應用的成本與門檻。 | Building the general-purpose robotic brain 這篇文章談到如何試圖控制不同型態的機器人，包含四足機器人、人形機器人、桌上型機械手臂與移動操作平台。這篇與 RLWRLD 的方向形成對照，有助於理解機器人基礎模型不只是一家公司議題，而是整個產業正在探索的共通方向。 |
本文依 CC 創用姓名標示 - 非商業性 - 相同方式分享 4.0 國際釋出