仅能够帮助棋手模型建立对物理世界的直观理解，还能够激活它在符号知识领域中已有的储备，实现感知与知识的深度融合。”
他放下笔，看着屏幕上那个已经被完全扫描的正十二面体模型，沉默了很久。然后他关闭了日志，启动了第二课的训练任务——抓取与释放。
第二课的训练难度比第一课上了一个台阶。抓取一个物体并将其移动到指定位置，不仅需要感知物体的形状和位置，还需要理解物体的质量分布、重心位置、以及手指与物体之间的摩擦力。这些因素在虚拟物理引擎中都被忠实地模拟了出来，棋手模型需要通过反复的试错来摸索和掌握。
第一次尝试以失败告终。棋手模型控制着虚拟手指抓住了正十二面体，但在抬升的过程中，由于抓取点的选择不当，物体从手指间滑落，掉落到了虚拟地面上，发出一声沉闷的撞击声——这是物理引擎模拟的声音效果，被接口层编码为振动信号传递给了棋手模型。
棋手模型停顿了大约一秒钟——这是它在处理和分析失败反馈的时间。然后它重新伸出虚拟手指，调整了抓取点的位置，再次尝试。
第二次尝试再次失败。这次物体没有滑落，但在移动过程中发生了倾斜，导致物体的边缘撞到了虚拟地面上，偏移了预定位置。
第三次尝试，成功了。棋手模型稳稳地抓住了正十二面体，沿着一条平滑的轨迹将它移动到了预定位置，然后松开手指，将物体准确地放置在了目标点上。整个过程流畅而稳定，没有出现任何抖动或偏移。
陆迪峰看着屏幕上那个被成功放置在目标位置的正十二面体，心中涌起一种难以言喻的欣慰感。三次尝试——第一次失败，第二次接近成功，第三次完美执行。这个学习曲线，与人类在学习一项新技能时的进步轨迹何其相似。
他在训练日志中写道：“第二课第一次执行，三次尝试后成功。棋手模型展示了从失败中学习的能力——它能够分析失败的原因，调整策略，并在后续的尝试中避免同
本章未完，请点击"下一页"继续阅读！ 第3页 / 共5页