领益智造在北京开了家能年产50万台具身机器人的大工厂,从零件到整机全包,还有自动测试线,想了解机器人量产进展的可以看。
#机器人
Physical Intelligence 的 RL 微调方法解决了模型适应新任务耗时长的痛点,做机器人或物理 AI 的团队可以大幅缩短部署周期,值得关注。
机器人团队终于有了实用的记忆方案——短期视觉+长期语义让机器人能完成厨房清理、做三明治等长任务,做机器人开发的建议点开看看。
Physical Intelligence的π0.6模型正在将AI能力从数字世界延伸到物理世界,做机器人或自动化应用的团队值得关注——它可能成为机器人通用智能的基础层。
机器人开发者终于有了一个完全开源的基础模型可用,MolmoAct 2 的完整代码和数据让你可以直接微调或构建自己的机器人应用,值得立即尝试。
铰接工具操作是机器人灵巧操作的硬骨头,Mana 用动画思路解决了数据生成和迁移难题,做机器人操作或 sim-to-real 的团队可以直接参考其零样本迁移方法。
NVIDIA Cosmos 3 为机器人开发者提供了现成的物理 AI 基础模型,省去了从零训练的时间和成本,做机器人感知或仿真的团队可以直接上手试试。
具身智能是AI的下一个前沿,星源智的融资规模说明资本正在加速押注机器人大脑技术。做机器人硬件或AI算法的团队值得关注,看看他们的技术路线能否解决当前机器人的智能瓶颈。
京东把具身智能从概念拉进了真实零售场景,做线下零售或机器人应用的团队值得关注——这是少有的多机型、多岗位协同的实战案例,可以直接参考其岗位分工和数据采集模式。
机器人团队终于有了一个能高效利用次优数据的实用方法——Ambient Diffusion Policy 解决了低质量数据难以训练的问题,做机器人模仿学习的开发者可以直接在现有数据集上尝试,有望大幅降低数据收集成本。
做机器人或具身智能的团队终于有了一个无需海量数据就能自主学习的方案——Acorn Robot 的零数据本能学习法,直接解决了数据采集成本高、泛化难的问题,值得关注其后续开源或合作机会。
机器人开发者终于有了像软件测试一样的模拟环境,Antioch Agent 解决了物理测试耗时耗力的问题,做机器人或物理AI的团队可以直接在浏览器里跑测试,值得一试。
机器人初创公司终于有了实体 AI 试验场——NVIDIA 和 NBIS 的 Living Lab 解决了从仿真到现实部署的痛点,做机器人开发的团队值得关注,可以直接申请使用。
机器人操作中失败尝试常被忽略,但本文证明它们才是关键线索——做具身智能或机器人规划的团队,可以用蒸馏出的单行提示直接提升VLM的轨迹理解能力,值得在仿真和真实场景中试试。
英伟达与LG的深度合作打通了从AI模型训练到机器人部署的全链条,做智能制造、机器人或自动驾驶的团队可以直接参考其技术路径,值得关注。
英伟达与斗山集团的合作将物理 AI 落地到机器人和工业设备,做机器人开发或工业自动化的团队值得关注,这可能是 AI 从数据中心走向物理世界的重要一步。
EDDA 解决了战场上小型无人机威胁的痛点,做军事安防或机器人防御的团队值得关注——它把高端反无人机能力做成了可大规模部署的廉价方案。
做机器人或具身智能开发的团队,终于有了一个原生支持 ROS 生态、集成三大仿真环境的开源鸿蒙底座,开发门槛大幅降低,建议直接下载源码试试。