理想智驾前负责人郎咸朋创业，成立机器人公司昆仑行
理想智驾功臣郎咸朋创业做具身智能，路线选择“理解而非模仿”，用数据编译训练物理因果模型。
理想汽车智能驾驶从0到1的核心负责人郎咸朋，在主导150万辆量产车后离职，成立机器人公司昆仑行。他提出机器人不应靠模仿学习，而应通过“数据编译”训练物理因果世界模型，并类比当前具身智能处于2015年自动驾驶阶段。
正文摘录
作为理想智能驾驶从0到1、一路做到 150万辆车量产 的核心负责人之一，郎咸朋却把这八年称作自己“探索具身智能的起点”。 昆仑行因此选择物理因果世界模型和“数据编译”路线，希望机器人学到的是背后的物理规律。 在郎咸朋看来，今天的具身智能很像2015、2016年的自动驾驶：路线未定、Demo满天飞，真正的洗牌要等到规模交付开始。 本次访谈，我们和郎咸朋详细聊了聊他从百度、理想到昆仑行的三段经历，“理解而非模仿”背后的数据编译与物理因果世界模型，关于具身智能的四种智能与量产节奏，以及这场“百机大战”会在什么时候、因为什么而洗牌。 完整版可以订阅我们的视频播客，你可以在视频号、Bilibili、抖音、小红书、小宇宙、喜马拉雅等全平台收看。 我读博所在的实验室是 机器人国家重点实验室 ，后来我又跟着老师转到了其他的研究室，现在我兜兜转转又回来做机器人，我觉得这是冥冥之中的，我感觉有一种宿命在这里面。 读博期间，我觉得是培养了我对学术和研究科研方面的一些基础能力，这对我后边所有的科研工作都打下了一个非常好的基础。 在百度的话我的第一份工作是做街景，就是把街景里边的人脸和车牌儿，这种属于个人隐私的这种信息都需要提取出来，然后模糊掉。 在做这个工作的时候，我们当时用了传统的machine learning，传统的CV的方法，其实表现都不太好。 后来我们用了 深度学习 ，因为百度是最早研究和使用深度学习的公司，当时给我了很大的冲击。 确实是用了深度学习之后，检测识别的准召率（准确率和召回率）都上来了，提升了15个点左右，从原来70%多准召提到了85%。 因为你85%的准召就意味着你每标100个框，有15个是漏的，你还要人为去修正这30个框，而且要从100个里边去找，还不如我从头自己标一遍，可能效率更高一些。