先讓失敗可觀測
部署不是結束，而是用真實環境找出資料沒有涵蓋的情況。
PART 1 · THE RELIABILITY GAP
實體 AI 面對的不是「答錯」，而是直接改變現實
推薦系統或文字助理出錯時，人仍可決定要不要採納建議。機器人端起一杯咖啡、插入把手或切菜時，模型的決策直接作用於物理世界。Finn 因此把真正有用的門檻放在自主時間與失誤率，而不是一段漂亮影片。
感知看見杯子、液體與環境狀態。
動作處理力量、時序與接觸誤差。
恢復遇到例外後仍能安全繼續。
PART 2 · THE LOOP
可靠度不是訓練前決定的數字，而是部署後的迴圈
演講用煮 espresso 說明：一開始蒐集資料、訓練模型與離線評估，幾乎不會一次就達標。實際流程是部署、找出失敗、補足讓失敗可見的資料，再回到訓練。這個迴圈讓任務吞吐量提高，也讓系統可以逐步把人類監看從每一次操作，移到處理少數例外。
把修正放回資料
補充示範與針對性資料，讓下一版模型不是只重播舊成功案例。
用吞吐量衡量價值
Finn 提到強化學習可提升工作量，但前提是系統能穩定完成可交付任務。
保留人類介入邊界
完全自主不是取消責任；例外處理與安全介入仍是產品的一部分。
PART 3 · GENERALITY
通用模型的承諾，是把一套能力帶到更多任務與機器人
Finn 將今天的進展放進從專用系統到通用模型的長線：同一組模型如果能跨任務、跨硬體與跨環境，資料與能力才可能累積，而不是每個新工作都從頭打造。她的主張不是通用性已經完成，而是模型、資料規模與訓練方法正讓這條路變得可測試。
這也改變了讀者該看的訊號。新模型展示多個任務，不等於它能在陌生廚房或工廠長時間運作。更重要的問題是：它在哪些條件下失敗，失敗如何被收集、修正並避免重演。
PART 4 · THE PRODUCT TEST
機器人進入「GPT 時代」不是日期預言，而是一組交付條件
演講提及能在不同任務上運作的系統，以及長時間自主執行的目標。這些都是研究與產品方向，不是對普及時間的保證。讀者可以用同一套檢查表判讀每一個 demo：任務是否可重複？可靠度是否在真實環境量測？人何時必須介入？資料是否會讓下一次真的更好？
「機器人真正有用的時刻，是你不需要一直照看它。」
— Chelsea Finn，Y Combinator 演講的核心判準
YOUR LENS
你會先檢查哪一個落地條件？
這不是測驗。選一個你認為最能分辨「展示」與「產品」的問題。
你的觀點