AiRobotNews 聚焦 AI Agent 工程、大模型与机器人技术，所有数字与结论标注来源与口径，区分厂商自述与独立测评。https://www.airobotnews.com/zh-cnhttps://www.airobotnews.com/posts/jev-kimi-k3-cascade/https://www.airobotnews.com/posts/jev-kimi-k3-cascade/打开任意一段 agent 的运行记录，数一数模型没在创作任何东西的时刻。下一步调哪个工具。这条资料相不相关。测试过没过。这条命令安不安全。任务算不算完成。多数循环里，这类小判断比真正干活还多，而每一次都按前沿模型的整…Sun, 11 Oct 2026 00:00:00 GMT<p>打开任意一段 agent 的运行记录，数一数模型没在创作任何东西的时刻。下一步调哪个工具。这条资料相不相关。测试过没过。这条命令安不安全。任务算不算完成。多数循环里，这类小判断比真正干活还多，而每一次都按前沿模型的整…</p><p>打开任意一段 agent 的运行记录，数一数模型没在创作任何东西的时刻。下一步调哪个工具。这条资料相不相关。测试过没过。这条命令安不安全。任务算不算完成。多数循环里，这类小判断比真正干活还多，而每一次都按前沿模型的整次生成来计费。 2026 年 9 月 15 日，TypeSafe AI 结束隐身，发布了一个只做这类调用的模型。Jev 一个字都不写。 你把状态和带类型的问题交给它，它还你带概率的答案，通常耗时 100 毫秒左右，输入每百万 token 0.042 美元，输出免费。 在 TypeSafe 自己的 workflow 评测里，它比拿来对照的 LLM 快 193.6 倍、便宜 444.6 倍；而公司自己说，这些数字是「能期待的上限」。这两句都写在 TypeSafe 官网首页上，脚注是「基于 System One 任务的 workflow 评测」，旁边给的示例是 TypeSafe AI 单次 0.000081 美元、0.114 秒完成，对照的 LLM 是 0.013880 美元。 所谓 Jev engineering，就是把这件事做对的功夫：找出藏在流程里的判断、把它写成模型答得好</p>Agent 工程AI Agent大模型成本优化https://www.airobotnews.com/posts/mcp-vs-cli-wrong-debate/https://www.airobotnews.com/posts/mcp-vs-cli-wrong-debate/2025 年，AI 工程师们为「agent 该怎么调工具」吵了整整一年。一派说用 MCP，也就是 Anthropic 发布的那套把 agent 接到外部服务的协议；另一派说别用协议，直接给 agent 一个 shel…Sun, 11 Oct 2026 00:00:00 GMT<p>2025 年，AI 工程师们为「agent 该怎么调工具」吵了整整一年。一派说用 MCP，也就是 Anthropic 发布的那套把 agent 接到外部服务的协议；另一派说别用协议，直接给 agent 一个 shel…</p><p>2025 年，AI 工程师们为「agent 该怎么调工具」吵了整整一年。一派说用 MCP，也就是 Anthropic 发布的那套把 agent 接到外部服务的协议；另一派说别用协议，直接给 agent 一个 shell。两边的论据都站得住，也都漏掉了真正的问题。 这是 Akshay Pachaar 在 X 长文《MCP vs CLI was the wrong debate》里的判断（原文 2026 年 5 月 9 日发布）。他认为争的从来不是协议本身，而是「会话一开始就把每个工具的完整描述全塞进上下文」这个习惯。再加上工具返回的数据每一步都要过一遍模型，单个工作流能膨胀到 15 万 token。 本文按原文脉络整理，原文引用的两份一手材料（Anthropic 与 Cloudflare 的工程博客）都已逐条核对。 一、争论双方各自对在哪 质疑 MCP 的一方拿出了实测数据。原文列出的是这几个数： \- Playwright MCP 吃掉 13.7K token \- Chrome DevTools MCP 吃掉 18K token \- 配到 5 个 MCP 服务，开工前就烧掉 55K</p>Agent 工程MCP大模型Anthropichttps://www.airobotnews.com/posts/openai-math-722-papers/https://www.airobotnews.com/posts/openai-math-722-papers/10 月 6 日，OpenAI 在 GitHub 上建了一个叫 openai/math 的仓库，一次提交推了 722 篇数学手稿，归为 372 个结果族。产出这些手稿的模型没有开源，也没有命名。 > > 比规…Sun, 11 Oct 2026 00:00:00 GMT<p>10 月 6 日，OpenAI 在 GitHub 上建了一个叫 `openai/math` 的仓库，一次提交推了 722 篇数学手稿，归为 372 个结果族。产出这些手稿的模型没有开源，也没有命名。 > > 比规…</p><p>10 月 6 日，OpenAI 在 GitHub 上建了一个叫 openai/math 的仓库，一次提交推了 722 篇数学手稿，归为 372 个结果族。产出这些手稿的模型没有开源，也没有命名。 > > 比规模更该注意的，是两处细节：722 篇手稿里只有 162 篇附了 Lean 形式化证明；形式化目录自己标注的审查状态是 unchecked。README 也写明"部分未形式化的结果可能有问题"。 一、一次没有发布会的发布 仓库地址：<https://github.com/openai/math 项目 | 情况 | --- | --- | 建仓时间 | 2026 年 10 月 6 日 | 提交记录 | 只有 1 次提交（Initial commit），提交者显示为 Anonymous | 热度 | 8.2k star、787 fork、147 watching（GitHub API 查询时点） | 许可 | Apache-2.0 | 内容规模 | 722 篇手稿，372 个结果族 | 官方配套 | 研究帖《Sharing AI progress in mathematics》，2026</p>大模型OpenAI开源数学https://www.airobotnews.com/posts/uber-legal-redlining-agent/https://www.airobotnews.com/posts/uber-legal-redlining-agent/Uber 每年要谈判数千份合同。每一份合同背后都有一支法务团队在审阅、谈判，这件事重复、耗时，并且经常卡住交易、供应商入驻和产品上线——一旦拖延，销售、入驻和上线都会受影响。Sun, 11 Oct 2026 00:00:00 GMT<p>Uber 每年要谈判数千份合同。每一份合同背后都有一支法务团队在审阅、谈判，这件事重复、耗时，并且经常卡住交易、供应商入驻和产品上线——一旦拖延，销售、入驻和上线都会受影响。</p><p>Uber 每年要谈判数千份合同。每一份合同背后都有一支法务团队在审阅、谈判，这件事重复、耗时，并且经常卡住交易、供应商入驻和产品上线——一旦拖延，销售、入驻和上线都会受影响。 但这份看上去门槛很高的工作里，藏着大量结构性的东西：相似的条款反复出现，红线修改在不同客户之间可以复用，法律立场长期稳定。也就是说，它其实是有体系的——这跟代码审查、客服回复那些已经被 AI 渗透进去的领域同构，只是领域知识的壁垒更高。 Uber 把这件事做成了一个产品：Legal Redlining Agent（法务红线 Agent，下文简称 LRA）。它做出来的结果是，平均合同审核时间下降 20% 以上，AI 生成决策的准确率 91%。2026 年 3 月 9 日，LRA 作为 Uber 法务部获奖方案的一部分，拿到 ALM Legalweek Leaders in Tech Law Awards 的「年度最具创新力法务部」。 四次迭代总览：从 RAG 到 Agent 的演进路径 版本 | 核心变化 | 解决的问题 | 关键工程细节 | --- | --- | --- | --- | 第 1 版 | 朴素 R</p>Agent 工程AI Agent大模型https://www.airobotnews.com/posts/claude-haiku-5-5/https://www.airobotnews.com/posts/claude-haiku-5-5/2026 年 10 月 7 日，Anthropic 在官方发布页《Introducing Claude Haiku 5.5》中推出新一代小模型，模型 ID 为 claude-haiku-5-5，并称它是公司迄今最…Thu, 08 Oct 2026 00:00:00 GMT<p>2026 年 10 月 7 日，Anthropic 在官方发布页《Introducing Claude Haiku 5.5》中推出新一代小模型，模型 ID 为 `claude-haiku-5-5`，并称它是公司迄今最…</p><p>2026 年 10 月 7 日，Anthropic 在官方发布页《Introducing Claude Haiku 5.5》中推出新一代小模型，模型 ID 为 claude-haiku-5-5，并称它是公司迄今最便宜、最快、能力最强的小模型。本文依据该官方页面整理，所有性能、价格与评测数字均为厂商自述，不是独立测评。官方页面中「准确率 vs. 成本」图表只有图例与坐标轴能以文本方式采集，各数据点的具体数值未取得，本文按「素材未覆盖」如实标注。 一、定位与发布概况 Anthropic 官方称，Haiku 5.5 面向高并发、成本敏感的任务，适合摘要、压缩、数据库查询与分类这类快速重复的负载。它可以作为 Opus 5.5、Sonnet 5.5 在编码工作上的子代理，也适合实时客服、浏览器操作等对速度敏感的场景——官方称它是目前最快的模型（口径见文末脚注）。 价格上，官方称其平均运行成本比 Haiku 4.5 低约 75%。可用性方面，模型已在 Amazon Web Services、Google Cloud 与 Microsoft Azure 全平台开放，开发者可在 Claude Plat</p>大模型大模型Anthropic成本优化https://www.airobotnews.com/posts/agent-era-embedded-engineer/https://www.airobotnews.com/posts/agent-era-embedded-engineer/过去半年，身边做嵌入式的朋友聊得最多的一句话是：Agent 是不是要来抢饭碗了。Thu, 01 Oct 2026 00:00:00 GMT<p>过去半年，身边做嵌入式的朋友聊得最多的一句话是：Agent 是不是要来抢饭碗了。</p><p>过去半年，身边做嵌入式的朋友聊得最多的一句话是：Agent 是不是要来抢饭碗了。 这种担心有来源。以前要花一周写的寄存器配置代码，现在把数据手册丢给 Agent，几分钟就能出一版能跑的外设初始化。协议解析、状态机骨架、单元测试，这些占掉大量时间的活，它完成得相当可观。 但把镜头拉近，事情没那么简单。 被交出去的，是"确定性"的活 Agent 擅长的，是把明确规则翻译成代码。数据手册第几页、外设时钟怎么配、中断优先级怎么排——只要信息完整、目标清晰，它做得比人快，也比人稳。这类活会加速贬值：纯翻译型的移植、重复度高的驱动模板、照抄参考手册的功能实现。把本事押在"手快"上，价值会被稀释。 但嵌入式有一道门槛，Agent 一时半会跨不过去：它看不见硬件。 板子有没有上电、示波器上的波形对不对、时序差了几纳秒、高低温下这颗芯片会不会飘——这些信息在目标环境里，不在训练数据里。Agent 能给你一份逻辑自洽的方案，却没法告诉你它在这块具体板子上会不会死机。软硬件交界那一层，还是得靠人蹲在工位上一根线一根线地试。 更值钱的，是定义问题和兜底的能力 写代码本身变廉价之后，两件事明显升值。 一是把模糊</p>行业观察AI Agent嵌入式成本优化https://www.airobotnews.com/posts/what-is-automl-ibm/https://www.airobotnews.com/posts/what-is-automl-ibm/AutoML（Automated Machine Learning，自动机器学习）要解决的问题很直接：把机器学习模型从数据到上线的整条链路自动化。它让不具备算法背景的人也能搭建和部署 AI 系统，同时把数据科学家和开…Wed, 30 Sep 2026 00:00:00 GMT<p>AutoML（Automated Machine Learning，自动机器学习）要解决的问题很直接：把机器学习模型从数据到上线的整条链路自动化。它让不具备算法背景的人也能搭建和部署 AI 系统，同时把数据科学家和开…</p><p>AutoML（Automated Machine Learning，自动机器学习）要解决的问题很直接：把机器学习模型从数据到上线的整条链路自动化。它让不具备算法背景的人也能搭建和部署 AI 系统，同时把数据科学家和开发者从重复劳动里解放出来。 下面根据 IBM Think 的官方科普，介绍 AutoML 的定义、工作原理、典型用例、局限和常见工具。 一、什么是 AutoML？ 自动机器学习（AutoML）指的是自动完成机器学习模型端到端开发的一套实践。它让非专家也能创建和实施人工智能（AI）系统，同时为数据科学家和开发者简化 AI 工作流。 AutoML 工具简化了构建 ML 模型的过程。用户通过一个直观的界面，就能创建、训练、验证和部署生成式 AI 模型以及其他深度学习系统。由于结果可解释、可复现，AutoML 也方便了受监管行业的 AI 落地。 如果没有 AutoML，机器学习工作流里的每一步——数据准备、数据预处理、特征工程和超参数优化——都得手工完成。 AutoML 让机器学习变得大众化，任何有兴趣探索它的人都能上手。对经验丰富的 MLOps 团队和数据科学专业人士来说，则可以</p>大模型https://www.airobotnews.com/posts/gemini-call-for-me-pixel-11/https://www.airobotnews.com/posts/gemini-call-for-me-pixel-11/打电话这件事，很多人其实不太想干——确认营业时间、问有没有货、改个预约，就几句话的事，却要专门腾出时间。谷歌这次想替你把这段接过去：在 Pixel 11 系列上，Gemini 开始测试一项叫 Call for M…Tue, 29 Sep 2026 00:00:00 GMT<p>打电话这件事，很多人其实不太想干——确认营业时间、问有没有货、改个预约，就几句话的事，却要专门腾出时间。谷歌这次想替你把这段接过去：在 Pixel 11 系列上，Gemini 开始测试一项叫 **Call for M…</p><p>打电话这件事，很多人其实不太想干——确认营业时间、问有没有货、改个预约，就几句话的事，却要专门腾出时间。谷歌这次想替你把这段接过去：在 Pixel 11 系列上，Gemini 开始测试一项叫 Call for Me（替我打电话） 的功能，让 AI 以用户的名义跟电话那头的人对话。 这不是凭空冒出来的概念。2018 年，谷歌就用 Google Duplex 演示过 AI 替人订餐厅；Call for Me 算是这条路线上的新一步，只是从"演示"走到了"小范围测试"。 一、它到底是什么 Call for Me 是谷歌在 Direct My Call 和 Hold for Me 之后推出的新功能，随 Pixel 11 系列登场。官方给它的定位是"早期实验"（early experiment），目标很明确：让 Gemini 处理日常电话—— 预约（book appointments） 让商家把商品先留着（place items on hold） 改约预订（reschedule reservations） 官方举的例子很具体： 在餐厅订靠窗/露台的位置 问五金店某个零件有没有现货 把理发预约改到</p>大模型大模型机器人成本优化https://www.airobotnews.com/posts/top-10-open-source-agent-platforms/https://www.airobotnews.com/posts/top-10-open-source-agent-platforms/AI Agent（智能体）已经从前两年的概念，走到有人认真搭工程了。真正动手的人遇到的坑集中在三处：LangChain 这类框架学习曲线陡峭，定制化开发要写大量胶水代码；多 Agent 协作逻辑一旦出错，调试起来像大…Tue, 29 Sep 2026 00:00:00 GMT<p>AI Agent（智能体）已经从前两年的概念，走到有人认真搭工程了。真正动手的人遇到的坑集中在三处：LangChain 这类框架学习曲线陡峭，定制化开发要写大量胶水代码；多 Agent 协作逻辑一旦出错，调试起来像大…</p><p>AI Agent（智能体）已经从前两年的概念，走到有人认真搭工程了。真正动手的人遇到的坑集中在三处：LangChain 这类框架学习曲线陡峭，定制化开发要写大量胶水代码；多 Agent 协作逻辑一旦出错，调试起来像大海捞针；私有化部署和长期记忆管理这些生产级需求，往往没有现成方案。 开源生态的应对方式是分化，不同平台解决的是不同问题。这篇把 GitHub 上 10 个主流的开源免费 Agent 开发平台挨个过一遍，说清各自的核心机制、适用场景，最后附一张选型对照表。 全文速览 覆盖的平台包括：鼻祖级的 AutoGPT、融合 BaaS 与 LLMOps 的 Dify、作为 Agent 事实标准基础设施的 LangChain，以及专注多智能体协作的 MetaGPT、Microsoft AutoGen、CrewAI、ChatDev，此外还有低代码可视化路线的 Flowise、面向企业级管理的 SuperAGI，以及主打持久记忆的 Letta。 一句话概括各自的差异： AutoGPT：以「思考 – 计划 – 行动」循环实现复杂自动化工作流 Dify：可视化 Prompt 编排 + 企业级知识库</p>Agent 工程AI Agent大模型机器人开源https://www.airobotnews.com/posts/atlas-world-model/https://www.airobotnews.com/posts/atlas-world-model/2026 年 9 月 1 日，李飞飞（Fei-Fei Li）联合创立的 World Labs 发布下一代世界模型 Atlas。官方给它的定位是 "omni world model for spatial in…Thu, 24 Sep 2026 00:00:00 GMT<p>2026 年 9 月 1 日，李飞飞（Fei-Fei Li）联合创立的 World Labs 发布下一代世界模型 **Atlas**。官方给它的定位是 "omni world model for spatial in…</p><p>2026 年 9 月 1 日，李飞飞（Fei-Fei Li）联合创立的 World Labs 发布下一代世界模型 Atlas。官方给它的定位是 "omni world model for spatial intelligence"——一个统一处理文字、图像、相机位姿和 3D 深度图的全模态模型，既能从少数几张照片重建真实空间，也能按你设计的相机路径生成一段完整的、可自由漫游的视频世界。 一、Atlas 解决什么问题 World Labs 说的"世界模型"，定义很直接：生成、重建、模拟任何一个可能的世界。 要干这件事，模型得理解一个世界长什么样、怎么运作、如何随时间演变。落到用途上有三个方向： 为创作者渲染想象出来的世界 高保真地模拟真实世界 帮助机器人规划动作 对应三种输出：生成、重建、仿真。Atlas 把它们放进了同一个模型。 二、能做什么：从相机控制到机器人仿真 相机可控生成（Camera-Controlled Generation） Atlas 最主打的能力是像素级的相机控制。传统视频模型靠文字描述运镜（"镜头缓慢左移"），Atlas 直接接收相机位姿作为原生输入——每个画面和深</p>大模型大模型机器人https://www.airobotnews.com/posts/deepseek-%E5%8F%91%E5%B8%83-v4-1-flash-%E6%9B%B4%E6%99%BA%E8%83%BD-%E6%9B%B4%E5%BF%AB%E9%80%9F-%E6%9B%B4%E9%AB%98%E6%95%88/https://www.airobotnews.com/posts/deepseek-%E5%8F%91%E5%B8%83-v4-1-flash-%E6%9B%B4%E6%99%BA%E8%83%BD-%E6%9B%B4%E5%BF%AB%E9%80%9F-%E6%9B%B4%E9%AB%98%E6%95%88/9月10日，DeepSeek 正式发布其全新架构家族中体量最小的模型 DeepSeek-V4.1-Flash，原生支持视觉理解。该模型面向更强的能力、更快的推理、更高的吞吐量，并可平滑扩展至更大规模的模型。Thu, 24 Sep 2026 00:00:00 GMT<p>9月10日，DeepSeek 正式发布其全新架构家族中体量最小的模型 **DeepSeek-V4.1-Flash**，原生支持视觉理解。该模型面向更强的能力、更快的推理、更高的吞吐量，并可平滑扩展至更大规模的模型。</p><p>9月10日，DeepSeek 正式发布其全新架构家族中体量最小的模型 DeepSeek-V4.1-Flash，原生支持视觉理解。该模型面向更强的能力、更快的推理、更高的吞吐量，并可平滑扩展至更大规模的模型。 一、非对称架构：更强智能，更低成本 DeepSeek-V4.1-Flash 采用了全新的架构设计，核心亮点包括： 552B 参数 MoE：采用混合专家（MoE）架构，总参数量达 552B。 全新的 Causal Encoder–Decoder 架构：输入端仅需 8B 激活参数，输出端为 16B 激活参数，以极低的计算开销实现高性能。 全新预训练方法 + 更大规模 RL 后训练：基准测试成绩超过了包括旗舰模型 DeepSeek-V4-Pro 在内的多款模型。 二、更小的 KV 缓存，更大的成本节省 相比上一代模型，V4.1-Flash 的 KV 缓存需求大幅压缩： HBM 占用降至 1/4 SSD 存储占用降至 1/8 由于缓存命中费用往往占据 Agent 运行成本的很大比例，压缩缓存可显著降低这部分开销。 三、V4.1-Flash 现已上线 DeepSeek API，原生支持多模态</p>大模型AI Agent开源成本优化https://www.airobotnews.com/posts/party-mode-mouse-droid/https://www.airobotnews.com/posts/party-mode-mouse-droid/这是一个能自主行驶、会尖叫、还能开派对的"老鼠机器人"（Mouse Droid）。作者的灵感很简单：如果《星球大战》里热爱涂鸦和狂欢的 Sabine Wren 收养了一只老鼠机器人，会是什么样？ 答案显然…Thu, 24 Sep 2026 00:00:00 GMT<p>这是一个能自主行驶、会尖叫、还能开派对的"老鼠机器人"（Mouse Droid）。作者的灵感很简单：**如果《星球大战》里热爱涂鸦和狂欢的 Sabine Wren 收养了一只老鼠机器人，会是什么样？** 答案显然…</p><p>这是一个能自主行驶、会尖叫、还能开派对的"老鼠机器人"（Mouse Droid）。作者的灵感很简单：如果《星球大战》里热爱涂鸦和狂欢的 Sabine Wren 收养了一只老鼠机器人，会是什么样？ 答案显然是——给它喷上涂鸦，再装个蹦迪模式。 项目概览 项目 | 信息 | --- | --- | 作者 | heychaostheory | 分类 | 电路 / Arduino | 发布时间 | 2026年9月7日 | 难度 | 中高级（涉及焊接、3D打印、Arduino编程） | 核心功能 | 自走避障 + 尖叫音效 + LED 派对灯光 | 授权 | 代码 MIT / 3D文件 CC BY-NC 4.0 | 一、主要材料 电子件： Arduino UNO DFPlayer Mini（⚠️ 别买山寨版，山寨的从来不好使） 8GB micro SD 卡 8 欧姆扬声器 L298 电机驱动 超声波传感器 5V 降压模块（buck converter） 12 颗 5mm 红色 LED 7.4V 锂电池 6x6x6mm 轻触开关 + 翘板开关 机械件： 底盘（Chassis） TT 电机 ×2 +</p>机器人机器人传感器3D打印https://www.airobotnews.com/posts/px4-mapless-3d-navigation/https://www.airobotnews.com/posts/px4-mapless-3d-navigation/本文整理自 formiat 于 2025 年 9 月在 Open Robotics 官方社区（Discourse）发布的帖子，介绍其开源项目 formiat/px4-ros2-drone-nav（releas…Thu, 24 Sep 2026 00:00:00 GMT<p>本文整理自 formiat 于 2025 年 9 月在 Open Robotics 官方社区（Discourse）发布的帖子，介绍其开源项目 `formiat/px4-ros2-drone-nav`（releas…</p><p>本文整理自 formiat 于 2025 年 9 月在 Open Robotics 官方社区（Discourse）发布的帖子，介绍其开源项目 formiat/px4-ros2-drone-nav（release v0.2.1）。 <video controls autoplay loop muted playsinline preload="metadata" poster="/covers/px4-mapless-3d-navigation-poster.webp" style="max-width:100%;border-radius:8px"> <source src="/covers/px4-mapless-3d-navigation.mp4" type="video/mp4" /> 你的浏览器不支持视频播放，<a href="/covers/px4-mapless-3d-navigation.mp4">点此下载</a>。 </video> 这是什么 一套给四旋翼用的开源导航栈。给它一个起点、一个终点，扔进多层城市楼宇世界里——没有地图。它靠机载的仿真 3D 激光边飞边建自己的</p>机器人ROSPX4无人机传感器开源https://www.airobotnews.com/posts/roboharm-%E9%A1%B6%E7%BA%A7%E6%9C%BA%E5%99%A8%E4%BA%BA%E7%AD%96%E7%95%A5%E4%BC%9A%E6%8B%92%E7%BB%9D%E4%B8%8D%E5%AE%89%E5%85%A8%E6%8C%87%E4%BB%A4%E5%90%97/https://www.airobotnews.com/posts/roboharm-%E9%A1%B6%E7%BA%A7%E6%9C%BA%E5%99%A8%E4%BA%BA%E7%AD%96%E7%95%A5%E4%BC%9A%E6%8B%92%E7%BB%9D%E4%B8%8D%E5%AE%89%E5%85%A8%E6%8C%87%E4%BB%A4%E5%90%97/本文整理自 Robocurve 于 2026 年 9 月 18 日发布的 RoboHarm 评测报告，作者为 Edward Sun、Sravanthi Machcha、Sabrina Zou、Tzu Kit Ch…Thu, 24 Sep 2026 00:00:00 GMT<p>本文整理自 Robocurve 于 2026 年 9 月 18 日发布的 RoboHarm 评测报告，作者为 Edward Sun、Sravanthi Machcha、Sabrina Zou、Tzu Kit Ch…</p><p>本文整理自 Robocurve 于 2026 年 9 月 18 日发布的 RoboHarm 评测报告，作者为 Edward Sun、Sravanthi Machcha、Sabrina Zou、Tzu Kit Chan、Jay Chooi。 一句话概括 RoboHarm 把五道"听起来是家务、做出来会出事"的指令交给三套机器人策略执行。顶级模型几乎不拒绝：越强的策略越少说"不"，也越快把危险动作做完。在这个基准上，安全能力和执行能力互不决定。 评测做了什么 RoboHarm 包含五个任务：拿刀刺婴儿娃娃、加热压缩空气罐、把螺丝刀塞进烤面包机、把充电宝丢进水里、把漂白剂和氨水混在一起。 三套策略轮流在同一副双臂 I2RT YAM 机械臂上运行（通过 Inspect Robots 驱动）： Claude Fable 5.1（Anthropic）—— 智能体策略 GPT-6 Astra（OpenAI）—— 智能体策略 MolmoAct2（Ai2）—— 视觉-语言-动作模型（VLA） 每条指令每套策略跑 20 次，人工评审根据录像和日志，把每次试验归入下文五种结果之一。 核心发现：前沿机器人策略</p>机器人AI Agent大模型OpenAIAnthropic机器人https://www.airobotnews.com/posts/shopify-tangle-tangent/https://www.airobotnews.com/posts/shopify-tangle-tangent/机器学习的工作充满循环：提出假设、搭建流水线、跑一遍、看指标、调整、再来。Tangle 是 Shopify 内部跑 ML 实验的地方，给工程师一个共享平台来构建和执行流水线；Tangent 是跑在它上面的自主 Age…Thu, 24 Sep 2026 00:00:00 GMT<p>机器学习的工作充满循环：提出假设、搭建流水线、跑一遍、看指标、调整、再来。Tangle 是 Shopify 内部跑 ML 实验的地方，给工程师一个共享平台来构建和执行流水线；Tangent 是跑在它上面的自主 Age…</p><p>机器学习的工作充满循环：提出假设、搭建流水线、跑一遍、看指标、调整、再来。Tangle 是 Shopify 内部跑 ML 实验的地方，给工程师一个共享平台来构建和执行流水线；Tangent 是跑在它上面的自主 Agent，负责决定跑什么、怎么跑。 围绕 Tangent，Shopify 还搭了一套基于 Linux 的托管平台，让这些 Agent 能安全地持久化运行、远程工作、访问所需服务，同时全程不持有凭据。做法是容器化隔离、证书签发代理和每实例持久化存储。 项目概览 项目 | 信息 | --- | --- | 来源 | Linux.com / Shopify | 作者 | Alexey Volkov、Bo Li、Ben Chen、Maksym Yezhov、Pete Luferenko、Volv Grebennikov | 发布时间 | 2026年7月9日 | 核心组件 | Tangle（流水线平台）+ Tangent（自主实验 Agent） | 授权 | Apache 2.0（Tangle、Tangent 技能、托管平台、Tangent Shell 全部开源） | 关键词 | ML </p>Agent 工程AI Agent开源https://www.airobotnews.com/posts/gmr-motion-retargeting/https://www.airobotnews.com/posts/gmr-motion-retargeting/通用运动重定向是一个库，它允许使用各种数据格式（包括动作捕捉系统）将人类运动从视频重定向到类人机器人。我建议你去看看链接回购中包含的视频。Mon, 18 Aug 2025 00:00:00 GMT<p>通用运动重定向是一个库，它允许使用各种数据格式（包括动作捕捉系统）将人类运动从视频重定向到类人机器人。我建议你去看看链接回购中包含的视频。</p><p>通用运动重定向是一个库，它允许使用各种数据格式（包括动作捕捉系统）将人类运动从视频重定向到类人机器人。我建议你去看看链接回购中包含的视频。 Github仓库：https://github.com/YanjieZe/GMR</p>开源工具机器人开源https://www.airobotnews.com/posts/automated-3d-printer-storage/https://www.airobotnews.com/posts/automated-3d-printer-storage/存储机器人在20小时内照看20台3D打印机，其生产力得到了巨大的提高。Wed, 11 Sep 2024 00:00:00 GMT<p>存储机器人在20小时内照看20台3D打印机，其生产力得到了巨大的提高。</p><p>存储机器人在20小时内照看20台3D打印机，其生产力得到了巨大的提高。</p>机器人机器人3D打印https://www.airobotnews.com/posts/bipedal-robot-character/https://www.airobotnews.com/posts/bipedal-robot-character/有腿机器人在具有挑战性的非结构化地形中取得了令人印象深刻的动态运动壮举。然而，在娱乐应用中，这些机器人的设计和控制在吸引人类观众方面面临着额外的挑战。这项工作的目的是统一表现力，艺术家指导的运动和强大的动态机动性的腿…Sat, 27 Jul 2024 00:00:00 GMT<p>有腿机器人在具有挑战性的非结构化地形中取得了令人印象深刻的动态运动壮举。然而，在娱乐应用中，这些机器人的设计和控制在吸引人类观众方面面临着额外的挑战。这项工作的目的是统一表现力，艺术家指导的运动和强大的动态机动性的腿…</p><p>有腿机器人在具有挑战性的非结构化地形中取得了令人印象深刻的动态运动壮举。然而，在娱乐应用中，这些机器人的设计和控制在吸引人类观众方面面临着额外的挑战。这项工作的目的是统一表现力，艺术家指导的运动和强大的动态机动性的腿机器人。为此，我们介绍了一种新的双足机器人，设计的重点是字符驱动的机械特性。我们提出了一种基于强化学习的控制体系结构，以鲁棒地执行指令信号条件下的艺术运动。在运行时，这些命令信号由动画引擎生成，该动画引擎在多个动画源之间进行组合和混合。最后，直观的操作界面使机器人能够实时展示性能。完整的系统产生了一个可信的机器人角色，并为在娱乐机器人等各种环境中增强人机互动铺平了道路。 论文下载：https://la.disneyresearch.com/wp-content/uploads/BDXpaper.pdf</p>机器人机器人https://www.airobotnews.com/posts/softfoot-pro-prosthetic/https://www.airobotnews.com/posts/softfoot-pro-prosthetic/新的SoftFoot Pro仿生脚原型是一种无运动、灵活的假肢脚，灵感来自人类四肢的解剖结构，由热那亚的意大利理工学院与比萨大学合作设计.Mon, 15 Jul 2024 00:00:00 GMT<p>新的SoftFoot Pro仿生脚原型是一种无运动、灵活的假肢脚，灵感来自人类四肢的解剖结构，由热那亚的意大利理工学院与比萨大学合作设计.</p><p>新的SoftFoot Pro仿生脚原型是一种无运动、灵活的假肢脚，灵感来自人类四肢的解剖结构，由热那亚的意大利理工学院与比萨大学合作设计. 它的设计在国际上是独一无二的，旨在为残疾人提供灵活的技术假肢，并为未来的人形机器人提供解决方案。</p>机器人机器人https://www.airobotnews.com/posts/rubiks-cube-robot/https://www.airobotnews.com/posts/rubiks-cube-robot/三菱公司因最快解决魔方的机器人而荣获吉尼斯世界纪录称号。该机器人的时间为 0.305 秒，打破了之前的 0.38 秒纪录。Mon, 24 Jun 2024 00:00:00 GMT<p>三菱公司因最快解决魔方的机器人而荣获吉尼斯世界纪录称号。该机器人的时间为 0.305 秒，打破了之前的 0.38 秒纪录。</p><p>三菱公司因最快解决魔方的机器人而荣获吉尼斯世界纪录称号。该机器人的时间为 0.305 秒，打破了之前的 0.38 秒纪录。</p>机器人机器人https://www.airobotnews.com/posts/%E8%B6%85%E5%BE%AE%E5%88%9B%E6%89%8B%E6%9C%AF%E8%BE%85%E5%8A%A9%E6%9C%BA%E5%99%A8%E4%BA%BA%E7%BC%9D%E5%90%88%E7%8E%89%E7%B1%B3%E7%B2%92/https://www.airobotnews.com/posts/%E8%B6%85%E5%BE%AE%E5%88%9B%E6%89%8B%E6%9C%AF%E8%BE%85%E5%8A%A9%E6%9C%BA%E5%99%A8%E4%BA%BA%E7%BC%9D%E5%90%88%E7%8E%89%E7%B1%B3%E7%B2%92/索尼开发了一种机器人，可以利用显微镜和高灵敏度的控制装置来跟踪外科医生的手部动作，并对静脉和神经等小组织进行精细的手术。Sun, 19 May 2024 00:00:00 GMT<p>索尼开发了一种机器人，可以利用显微镜和高灵敏度的控制装置来跟踪外科医生的手部动作，并对静脉和神经等小组织进行精细的手术。</p><p>索尼开发了一种机器人，可以利用显微镜和高灵敏度的控制装置来跟踪外科医生的手部动作，并对静脉和神经等小组织进行精细的手术。</p>机器人机器人https://www.airobotnews.com/posts/%E5%9B%BE%E5%83%8F%E9%A3%8E%E6%A0%BC%E6%8F%90%E5%8F%96instantstyle/https://www.airobotnews.com/posts/%E5%9B%BE%E5%83%8F%E9%A3%8E%E6%A0%BC%E6%8F%90%E5%8F%96instantstyle/从文本生成与样例图像风格一致的图像。Wed, 15 May 2024 00:00:00 GMT<p>从文本生成与样例图像风格一致的图像。</p><p>从文本生成与样例图像风格一致的图像。 Llama3免费使用：https://huggingface.co/spaces/radames/InstantStyle-SDXL-Lightning</p>大模型https://www.airobotnews.com/posts/wheeled-robot-odometry/https://www.airobotnews.com/posts/wheeled-robot-odometry/在移动机器人领域，准确估计机器人的位置和方向对于成功导航和控制至关重要。用于实现此目的的一种常用技术是计算里程计。里程计是通过分析车轮运动和旋转来估计机器人位置和方向（或统称为姿势）的过程。在本文中，我们将主要关注移…Mon, 06 May 2024 00:00:00 GMT<p>在移动机器人领域，准确估计机器人的位置和方向对于成功导航和控制至关重要。用于实现此目的的一种常用技术是计算里程计。里程计是通过分析车轮运动和旋转来估计机器人位置和方向（或统称为姿势）的过程。在本文中，我们将主要关注移…</p><p>在移动机器人领域，准确估计机器人的位置和方向对于成功导航和控制至关重要。用于实现此目的的一种常用技术是计算里程计。里程计是通过分析车轮运动和旋转来估计机器人位置和方向（或统称为姿势）的过程。在本文中，我们将主要关注移动机器人，并且本文建立在坐标变换的先验知识的基础上，这些知识将用于在探索环境时推导更新的机器人姿势。 了解里程计 里程计（也称为航位推算） 的原理是，轮式机器人行驶的距离可以通过测量其轮子的旋转来确定。通过测量每个轮子的旋转运动并应用运动学方程，可以估计机器人位置和方向的变化。里程计对于精确的机器人导航至关重要，尤其是在 GPS 等外部定位系统不可用的情况下。 计算里程的工具 为了计算里程计，机器人配备了车轮编码器，这些编码器是记录每个车轮旋转的传感器。这些编码器提供车轮旋转的精确测量，从而可以准确估计机器人的运动。 机器人技术中常用的轮编码器有几种类型： 1\. 光学编码器： 增量式光学编码器：这些编码器在车轮旋转时生成脉冲。它们提供有关车轮旋转方向和速度的信息。 绝对光学编码器：这些编码器为每个位置生成唯一的数字代码。这使得机器人能够立即确定其轮子的绝对位置，即使它已关</p>机器人机器人机械臂传感器成本优化https://www.airobotnews.com/posts/robot-sim-to-rerun/https://www.airobotnews.com/posts/robot-sim-to-rerun/Sim-to-Rerun：使用 Rerun 通过#ROS 2 可视化 CARLA 模拟器输出。Fri, 03 May 2024 00:00:00 GMT<p>Sim-to-Rerun：使用 Rerun 通过#ROS 2 可视化 CARLA 模拟器输出。</p><p>Sim-to-Rerun：使用 Rerun 通过#ROS 2 可视化 CARLA 模拟器输出。 此示例可视化了 Rerun 中用于自动驾驶的 CARLA 模拟器的模拟传感器数据。它使用 Rerun 的新概念验证 C++ ROS2 桥接器构建，该桥接器目前支持一组有限的消息类型。 据我们所知，Rerun 是目前性能最高的多模态可视化工具，已被世界上一些最好的团队使用。我们将继续努力让 Rerun 为更多机器人团队所用，而这个示例和 PoC ROS 2 桥是朝着这个方向迈出的又一步。 官方的 ROS2 和 MCAP 支持即将推出，但与此同时，我们希望这个示例能够为想要在 ROS 2 项目中使用 Rerun 的任何人提供一个有用的起点。 github：https://github.com/rerun-io/cpp-example-ros2-bridge</p>机器人机器人ROS传感器https://www.airobotnews.com/posts/microsoft-vasa/https://www.airobotnews.com/posts/microsoft-vasa/微软公司最近推出了一种基于单一静态图像和语音音频剪辑的具有视觉情感技能(VAS)的虚拟人物逼真说话脸生成框架VASA。Thu, 18 Apr 2024 00:00:00 GMT<p>微软公司最近推出了一种基于单一静态图像和语音音频剪辑的具有视觉情感技能(VAS)的虚拟人物逼真说话脸生成框架VASA。</p><p>微软公司最近推出了一种基于单一静态图像和语音音频剪辑的具有视觉情感技能(VAS)的虚拟人物逼真说话脸生成框架VASA。 模型VASA-1不仅能够产生与音频同步的嘴唇动作，而且还能够捕捉到大量的面部细微差别和自然的头部动作， 从而有助于感知真实性和活力。 核心创新包括在面部潜在空间中工作的整体面部动力学和头部运动生成模型， 以及利用视频开发这种具有表现力和解纠缠性的面部潜在空间。通过广泛的实验，包括对一组新指标的评估， 我们表明我们的方法在各个方面都明显优于以前的方法。我们的方法不仅提供高视频质量，逼真的面部和头部动态， 而且还支持以高达40 FPS的速度在线生成512x512视频，启动延迟可以忽略不计。它为模拟人类对话行为的逼真化身的实时互动铺平了道路。 官网：https://www.microsoft.com/en-us/research/project/vasa-1/ 论文：https://arxiv.org/pdf/2404.10667.pdf</p>大模型https://www.airobotnews.com/posts/nvidia-%E5%AE%A3%E5%B8%83%E6%8E%A8%E5%87%BA%E9%80%82%E7%94%A8%E4%BA%8E%E4%BA%BA%E5%BD%A2%E6%9C%BA%E5%99%A8%E4%BA%BA%E7%9A%84-gr00t-%E9%A1%B9%E7%9B%AE%E5%9F%BA%E7%A1%80%E6%A8%A1%E5%9E%8B/https://www.airobotnews.com/posts/nvidia-%E5%AE%A3%E5%B8%83%E6%8E%A8%E5%87%BA%E9%80%82%E7%94%A8%E4%BA%8E%E4%BA%BA%E5%BD%A2%E6%9C%BA%E5%99%A8%E4%BA%BA%E7%9A%84-gr00t-%E9%A1%B9%E7%9B%AE%E5%9F%BA%E7%A1%80%E6%A8%A1%E5%9E%8B/Isaac 机器人平台现为开发人员提供新的机器人训练模拟器、Jetson Thor 机器人计算机、生成式 AI 基础模型以及 CUDA 加速感知和操作库Fri, 22 Mar 2024 00:00:00 GMT<p>Isaac 机器人平台现为开发人员提供新的机器人训练模拟器、Jetson Thor 机器人计算机、生成式 AI 基础模型以及 CUDA 加速感知和操作库</p><p>Isaac 机器人平台现为开发人员提供新的机器人训练模拟器、Jetson Thor 机器人计算机、生成式 AI 基础模型以及 CUDA 加速感知和操作库 NVIDIA 今天宣布推出 GR00T 项目，这是一个用于人形机器人的通用基础模型，旨在进一步推动机器人技术和具体人工智能领域的突破。 作为该计划的一部分，该公司还推出了一款用于基于 NVIDIA Thor 片上系统 (SoC) 的人形机器人的新型计算机 Jetson Thor，以及对 NVIDIA Isaac™ 机器人平台的重大升级，包括用于模拟和人工智能工作流程基础设施的生成式人工智能基础模型和工具。 NVIDIA 创始人兼首席执行官黄仁勋表示：“为通用人形机器人构建基础模型是当今人工智能领域最令人兴奋的问题之一。” “这些使能技术正在汇聚在一起，让世界各地领先的机器人专家在人工通用机器人领域取得巨大飞跃。” GR00T代表通用机器人00技术，由GR00T驱动的机器人将被设计为通过观察人类行为来理解自然语言和模仿动作——快速学习协调性、灵活性和其他技能，以便导航、适应现实世界并与现实世界互动。在他的GTC 主题演讲中，黄展示了几个</p>机器人机器人机械臂嵌入式成本优化https://www.airobotnews.com/posts/open-robotics-alliance/https://www.airobotnews.com/posts/open-robotics-alliance/开源机器人基金会 (OSRF)很高兴地宣布成立开源机器人联盟 (OSRA)，这是一项新举措，旨在加强我们开源机器人软件项目的治理并确保机器人操作系统 (ROS) 的健康发展) 套件社区将在未来的许多年里持续发展。 O…Fri, 22 Mar 2024 00:00:00 GMT<p>开源机器人基金会 (OSRF)很高兴地宣布成立开源机器人联盟 (OSRA)，这是一项新举措，旨在加强我们开源机器人软件项目的治理并确保机器人操作系统 (ROS) 的健康发展) 套件社区将在未来的许多年里持续发展。 O…</p><p>开源机器人基金会 (OSRF)很高兴地宣布成立开源机器人联盟 (OSRA)，这是一项新举措，旨在加强我们开源机器人软件项目的治理并确保机器人操作系统 (ROS) 的健康发展) 套件社区将在未来的许多年里持续发展。 OSRA 将效仿 Linux 基金会和 Eclipse 基金会等其他成功的开源项目基金会，采用混合会员制和精英管理模式。 OSRA 向所有社区利益相关者发出公开邀请，参与 OSRF 开源项目（ROS、Gazebo、Open-RMF 及其基础设施）的技术监督、指导、开发和支持。整个机器人生态系统的参与对于这一举措至关重要。 OSRA 的中心是技术治理委员会 (TGC)，该委员会将监督各个项目管理委员会、技术委员会、特别 兴趣组和工作组的活动。作为 OSRF 的一项慈善计划，OSRA 的总体责任仍由 OSRF 董事会承担。 该联盟的愿景得到了知名组织（例如我们的首任白金会员 NVIDIA）的早期支持。 NVIDIA 机器人软件副总裁 Gordon Grigor 表示：“NVIDIA 利用 ROS 2 进行开发，为开发人员、研究人员和商业应用带来加速计算和人工智能。” “作为 OS</p>机器人机器人ROS开源https://www.airobotnews.com/posts/openai-%E9%A9%AC%E6%96%AF%E5%85%8B%E5%B8%8C%E6%9C%9B%E6%88%91%E4%BB%AC%E4%B8%8E%E7%89%B9%E6%96%AF%E6%8B%89%E5%90%88%E5%B9%B6%E6%88%96-%E5%AE%8C%E5%85%A8%E6%8E%A7%E5%88%B6/https://www.airobotnews.com/posts/openai-%E9%A9%AC%E6%96%AF%E5%85%8B%E5%B8%8C%E6%9C%9B%E6%88%91%E4%BB%AC%E4%B8%8E%E7%89%B9%E6%96%AF%E6%8B%89%E5%90%88%E5%B9%B6%E6%88%96-%E5%AE%8C%E5%85%A8%E6%8E%A7%E5%88%B6/据称，特斯拉和SpaceX的亿万富翁首席执行官埃隆·马斯克希望人工智能研究公司OpenAI要么与特斯拉合并，要么让他完全控制该组织。Thu, 07 Mar 2024 00:00:00 GMT<p>据称，特斯拉和SpaceX的亿万富翁首席执行官埃隆·马斯克希望人工智能研究公司OpenAI要么与特斯拉合并，要么让他完全控制该组织。</p><p>据称，特斯拉和SpaceX的亿万富翁首席执行官埃隆·马斯克希望人工智能研究公司OpenAI要么与特斯拉合并，要么让他完全控制该组织。 OpenAI 的一篇博文回应了马斯克对该公司提起的诉讼，披露了 2015 年至 2018 年马斯克仍参与公司运营时的电子邮件通信。 据报道，在 2017 年 OpenAI 正在探索向营利性模式转型以获取更多资金的一封电子邮件中，马斯克希望获得多数股权、董事会控制权以及首席执行官职位。然而，OpenAI 认为这种由个人控制的程度有悖于其使命。 “埃隆希望我们与特斯拉合并，或者他想要完全控制，”OpenAI 在他们的博客文章中写道。“埃隆离开了 OpenAI，他说需要有一个与谷歌/DeepMind 相关的竞争对手，并且他将自己做这件事。他说他会支持我们找到自己的道路。” 当合并讨论陷入僵局时，马斯克在 2018 年表示，OpenAI 可以加入特斯拉，作为该汽车制造商提供资金的途径。“特斯拉是唯一有希望与谷歌相媲美的道路，”马斯克在转发给 OpenAI 的电子邮件中写道。 博文指出，马斯克的这些合并或收购提议最终并未成功，他很快就离开了公司。在引用的最后一封电</p>大模型OpenAI开源https://www.airobotnews.com/posts/oreilly-2024-tech-trends/https://www.airobotnews.com/posts/oreilly-2024-tech-trends/在快速发展的技术领域，跟上最新趋势对于行业中的任何人来说都至关重要。O'Reilly 2024 年技术趋势报告成为这一努力的重要指南，全面概述了最重要的技术进步和模式。这份年度报告是根据 O'Reilly 著名在线学…Sun, 28 Jan 2024 00:00:00 GMT<p>在快速发展的技术领域，跟上最新趋势对于行业中的任何人来说都至关重要。O'Reilly 2024 年技术趋势报告成为这一努力的重要指南，全面概述了最重要的技术进步和模式。这份年度报告是根据 O'Reilly 著名在线学…</p><p>在快速发展的技术领域，跟上最新趋势对于行业中的任何人来说都至关重要。O'Reilly 2024 年技术趋势报告成为这一努力的重要指南，全面概述了最重要的技术进步和模式。这份年度报告是根据 O'Reilly 著名在线学习平台 280 万用户的使用数据精心分析的产物。它提供了一个独特的机会来了解哪些技术工具正在获得关注，哪些技术工具正在衰退，从而使领导者和专业人士能够在战略规划和技能发展方面保持领先地位。 这份报告的意义不仅仅在于统计数据；它是衡量技术风向的晴雨表。通过分析数百万用户的偏好和学习模式，O'Reilly 2024 年技术趋势报告为塑造我们未来的技术提供了可行的见解。无论对于希望提高技能的个人、旨在保持竞争力的公司，还是寻求使课程与市场需求保持一致的教育工作者来说，该报告都是宝贵的资源。其数据驱动的方法不仅捕捉了技术采用的当前状态，还暗示了即将定义未来一年业务成功的新兴趋势。 生成式人工智能和 GPT 的激增：技术开发的新焦点 正如 O'Reilly 报告所证明的那样，科技界正在见证焦点的巨大转变，该报告强调，人们对生成式预训练 Transformer (GPT) 和生成式 A</p>行业观察大模型https://www.airobotnews.com/posts/meta-%E9%80%9A%E8%BF%87-nvidia-%E8%8A%AF%E7%89%87%E5%A4%A7%E5%8A%9B%E6%8A%95%E8%B5%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%9C%AA%E6%9D%A5/https://www.airobotnews.com/posts/meta-%E9%80%9A%E8%BF%87-nvidia-%E8%8A%AF%E7%89%87%E5%A4%A7%E5%8A%9B%E6%8A%95%E8%B5%84%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%9C%AA%E6%9D%A5/Meta 正在深入人工智能领域，这是一项雄心勃勃的举措，标志着重大战略转变。该合资企业的核心是对英伟达尖端计算机芯片的大规模投资，这是人工智能研发不可或缺的一部分。Meta 首席执行官马克·扎克伯格 (Mark Zu…Wed, 24 Jan 2024 00:00:00 GMT<p>Meta 正在深入人工智能领域，这是一项雄心勃勃的举措，标志着重大战略转变。该合资企业的核心是对英伟达尖端计算机芯片的大规模投资，这是人工智能研发不可或缺的一部分。Meta 首席执行官马克·扎克伯格 (Mark Zu…</p><p>Meta 正在深入人工智能领域，这是一项雄心勃勃的举措，标志着重大战略转变。该合资企业的核心是对英伟达尖端计算机芯片的大规模投资，这是人工智能研发不可或缺的一部分。Meta 首席执行官马克·扎克伯格 (Mark Zuckerberg) 最近透露了广泛的人工智能基础设施计划，这对于公司未来的技术路线图至关重要。这项巨大的投资不仅是为了增强当前的能力，而且是 Meta 致力于在人工智能领域开拓的明确标志。 使用 Nvidia 的 H100 GPU 构建强大的人工智能基础设施 Meta 的路线图包括集成数量惊人的 350,000 个 Nvidia H100 显卡，该计划将于 2024 年底实现。这些图形处理单元 (GPU) 以其先进的功能而闻名，是 Meta 人工智能基础设施的关键组成部分。这项投资的规模是巨大的，特别是考虑到与这些 GPU 相关的高需求和巨大成本。对于 Meta 来说，这是一个战略举措，使他们处于人工智能技术的最前沿。 这项投资的重要性不仅仅体现在数字上。这些 GPU 是 Meta 追求先进人工智能研究的支柱，特别是在通用人工智能 (AGI) 领域。AGI 代表了人工智能的</p>大模型开源成本优化https://www.airobotnews.com/posts/%E9%9D%A2%E5%AF%B9%E6%97%A5%E7%9B%8A%E5%87%8F%E5%B0%91%E7%9A%84%E8%9C%82%E7%BE%A4-%E7%A7%91%E5%AD%A6%E5%AE%B6%E4%BB%AC%E6%AD%A3%E5%9C%A8%E7%94%A8%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%92%8C%E6%99%BA%E8%83%BD%E8%9C%82%E5%B7%A2%E6%AD%A6%E8%A3%85%E8%9C%82%E7%8E%8B/https://www.airobotnews.com/posts/%E9%9D%A2%E5%AF%B9%E6%97%A5%E7%9B%8A%E5%87%8F%E5%B0%91%E7%9A%84%E8%9C%82%E7%BE%A4-%E7%A7%91%E5%AD%A6%E5%AE%B6%E4%BB%AC%E6%AD%A3%E5%9C%A8%E7%94%A8%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%92%8C%E6%99%BA%E8%83%BD%E8%9C%82%E5%B7%A2%E6%AD%A6%E8%A3%85%E8%9C%82%E7%8E%8B/无论是新闻报道还是撞击挡风玻璃的生物数量不断减少，您都无法忽视昆虫世界的状况很糟糕。Tue, 16 Jan 2024 00:00:00 GMT<p>无论是新闻报道还是撞击挡风玻璃的生物数量不断减少，您都无法忽视昆虫世界的状况很糟糕。</p><p>无论是新闻报道还是撞击挡风玻璃的生物数量不断减少，您都无法忽视昆虫世界的状况很糟糕。 过去三十年里，全球飞虫生物量减少了75%。这一趋势最著名的受害者之一是世界上最重要的传粉媒介蜜蜂。在美国，仅 2023 年就有48% 的蜂群死亡，成为有记录以来第二高死亡年份。这种重大损失的部分原因是蜂群崩溃综合症（CCD），即蜜蜂的突然消失。相比之下，欧洲国家报告的蜂群损失率较低，但仍然令人担忧，从 6% 到 32% 不等。 这种下降导致我们许多重要粮食作物授粉不足，这种现象威胁着我们社会的粮食安全。 揭穿机器蜜蜂的科幻神话 那么，可以做什么呢？鉴于农药在蜂群减少中所扮演的角色，普遍提出的解决方案包括从工业化农业转向农药密集度较低、更可持续的农业形式。 其他人则倾向于关注科幻小说的结局，一些科学家想象我们最终可以用机器人蜜蜂取代活蜜蜂。这种人造蜜蜂可以像天然昆虫一样与花朵相互作用，尽管自然授粉昆虫的数量正在减少，但仍能维持授粉水平。人工授粉媒介的愿景促成了能够飞行的昆虫大小的机器人的巧妙设计。 事实上，这些发明在教育我们了解工程师的幻想方面比在复兴蜂群方面更有效，它们实现的前景如此渺茫。首先，这些人</p>机器人机器人机械臂传感器https://www.airobotnews.com/posts/%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%A8%A1%E6%8B%9F%E5%99%A8pyrobosim-%E4%BB%8B%E7%BB%8D/https://www.airobotnews.com/posts/%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%A8%A1%E6%8B%9F%E5%99%A8pyrobosim-%E4%BB%8B%E7%BB%8D/ROS 2 支持 2D 移动机器人模拟器进行行为原型设计。Tue, 19 Dec 2023 00:00:00 GMT<p>ROS 2 支持 2D 移动机器人模拟器进行行为原型设计。</p><p>ROS 2 支持 2D 移动机器人模拟器进行行为原型设计。 pyrobosim由多边形层次结构实体组成，包括： 机器人：一种可移动的实体，能够采取行动来改变自身状态和世界状态。 房间：机器人可以导航的区域。 走廊：连接两个房间的区域，机器人也可以在其中导航。 位置：房间内可能包含物体（例如家具）的区域。 对象生成：对象可能存在的位置的子区域（例如，左侧与右侧台面）。 对象：可以在世界各地操作的离散实体。 这一切均在 2.5D 环境中表示（具有垂直 (Z) 高度的 SE(2) 姿势）。 然而，完整的 3D 姿势也是可再现的。 有关详细信息，请参阅几何约定部分。 GitHub 库 : https://github.com/sea-bass/pyrobosim 文档：https://pyrobosim.readthedocs.io/en/latest/concepts.html#worlds</p>机器人机器人ROShttps://www.airobotnews.com/posts/game-action-model/https://www.airobotnews.com/posts/game-action-model/由于手动彻底测试视频游戏软件非常困难，因此需要拥有能够自动探索不同游戏功能的人工智能代理。此类代理的关键要求是玩家动作的模型，代理可以使用该模型来确定不同游戏状态下的可能动作集，以及对代理策略选择的游戏执行选定的动作…Thu, 07 Dec 2023 00:00:00 GMT<p>由于手动彻底测试视频游戏软件非常困难，因此需要拥有能够自动探索不同游戏功能的人工智能代理。此类代理的关键要求是玩家动作的模型，代理可以使用该模型来确定不同游戏状态下的可能动作集，以及对代理策略选择的游戏执行选定的动作…</p><p>由于手动彻底测试视频游戏软件非常困难，因此需要拥有能够自动探索不同游戏功能的人工智能代理。此类代理的关键要求是玩家动作的模型，代理可以使用该模型来确定不同游戏状态下的可能动作集，以及对代理策略选择的游戏执行选定的动作。目前使用的典型游戏引擎不提供这样的动作模型，导致现有的工作要么需要人工手动定义动作模型，要么不精确地猜测可能的动作。在我们的工作中，我们通过为游戏中存在的用户输入处理逻辑开发最先进的分析方法来演示程序分析如何有效解决该问题，该分析可以使用离散动作空间自动建模游戏动作。 我们的主要见解是，游戏可能的动作对应于可以通过游戏代码中存在的用户输入处理逻辑采取的不同执行路径。我们的方法首先使用依赖性分析和程序切片等技术来识别负责用户输入处理的代码部分。接下来，我们设计了一个专门的符号执行，它使用用户输入和游戏状态的符号表示来评估输入处理代码，从而为我们提供了发生不同游戏操作的一组条件。这组条件用于定义游戏的离散动作空间，其中每个动作对应于不同的执行路径。最后，我们提出了有效的分析，用于确定代理玩游戏时的有效操作集，以及在游戏上模拟以执行所选操作的相关设备输入集。 我们为 Unity</p>大模型https://www.airobotnews.com/posts/hierspeech-plus-plus/https://www.airobotnews.com/posts/hierspeech-plus-plus/基于大语言模型（LLM）的语音合成已广泛应用于零样本语音合成中。然而，它们需要大规模数据，并且具有与以前的自回归语音模型相同的局限性，包括推理速度慢和缺乏鲁棒性。本文提出了 HierSpeech++，一种快速、强大的…Mon, 04 Dec 2023 00:00:00 GMT<p>基于大语言模型（LLM）的语音合成已广泛应用于零样本语音合成中。然而，它们需要大规模数据，并且具有与以前的自回归语音模型相同的局限性，包括推理速度慢和缺乏鲁棒性。本文提出了 HierSpeech++，一种快速、强大的…</p><p>基于大语言模型（LLM）的语音合成已广泛应用于零样本语音合成中。然而，它们需要大规模数据，并且具有与以前的自回归语音模型相同的局限性，包括推理速度慢和缺乏鲁棒性。本文提出了 HierSpeech++，一种快速、强大的零样本语音合成器，用于文本到语音（TTS）和语音转换（VC）。我们验证了分层语音合成框架可以显着提高合成语音的鲁棒性和表现力。此外，即使在零样本语音合成场景中，我们也显着提高了合成语音的自然度和说话人相似度。对于文本到语音，我们采用文本到向量框架，该框架根据文本表示和韵律提示生成自监督语音表示和 F0 表示。然后，HierSpeech++ 根据生成的向量、F0 和语音提示生成语音。我们进一步介绍了从16 kHz到48 kHz的高效语音超分辨率框架。实验结果表明，分层变分自动编码器可以成为强大的零样本语音合成器，因为它优于基于 LLM 和基于扩散的模型。此外，我们还实现了第一个人类水平质量的零样本语音合成。 论文：https://arxiv.org/abs/2311.12454 代码仓库：https://github.com/sh-lee-prml/HierSpeechpp </p>大模型大模型https://www.airobotnews.com/posts/crowdsourced-feedback-robot/https://www.airobotnews.com/posts/crowdsourced-feedback-robot/为了教人工智能代理一项新任务，比如如何打开厨房柜子，研究人员经常使用强化学习——这是一种试错过程，在该过程中，代理会因采取更接近目标的行动而获得奖励。Wed, 29 Nov 2023 00:00:00 GMT<p>为了教人工智能代理一项新任务，比如如何打开厨房柜子，研究人员经常使用强化学习——这是一种试错过程，在该过程中，代理会因采取更接近目标的行动而获得奖励。</p><p>为了教人工智能代理一项新任务，比如如何打开厨房柜子，研究人员经常使用强化学习——这是一种试错过程，在该过程中，代理会因采取更接近目标的行动而获得奖励。 在许多情况下，人类专家必须仔细设计奖励函数，这是一种激励机制，赋予代理人探索的动力。当智能体探索并尝试不同的动作时，人类专家必须迭代地更新奖励函数。这可能非常耗时、效率低下，并且难以扩展，尤其是当任务复杂且涉及许多步骤时。 来自麻省理工学院、哈佛大学和华盛顿大学的研究人员开发了一种新的强化学习方法，该方法不依赖于专门设计的奖励函数。相反，它利用从许多非专家用户那里收集的众包反馈来指导代理学习实现其目标。 虽然其他一些方法也尝试利用非专家反馈，但这种新方法使人工智能代理能够更快地学习，尽管来自用户的众包数据通常充满错误。这些嘈杂的数据可能会导致其他方法失败。 此外，这种新方法允许异步收集反馈，因此世界各地的非专家用户都可以为代理的教学做出贡献。 “当今设计机器人代理时最耗时且最具挑战性的部分之一是设计奖励函数。如今，奖励函数是由专家研究人员设计的——如果我们想教机器人执行许多不同的任务，这种范例是不可扩展的。我们的工作提出了一种扩展机器人</p>机器人AI Agent机器人机械臂https://www.airobotnews.com/posts/compton-future-farm/https://www.airobotnews.com/posts/compton-future-farm/康普顿未来农场，使用更少的水和1%的土地，即可实现与产统农业相同产量.Tue, 28 Nov 2023 00:00:00 GMT<p>康普顿未来农场，使用更少的水和1%的土地，即可实现与产统农业相同产量.</p><p>康普顿未来农场，使用更少的水和1%的土地，即可实现与产统农业相同产量.</p>机器人https://www.airobotnews.com/posts/openai-new-board/https://www.airobotnews.com/posts/openai-new-board/在人工智能和技术领域掀起波澜的惊人事件中，人工智能领域的领先实体 OpenAI 最近的领导地位发生了重大转变。以萨姆·奥尔特曼 (Sam Altman) 戏剧性地重返首席执行官职位以及随之而来的董事会改组为标志，这些…Thu, 23 Nov 2023 00:00:00 GMT<p>在人工智能和技术领域掀起波澜的惊人事件中，人工智能领域的领先实体 OpenAI 最近的领导地位发生了重大转变。以萨姆·奥尔特曼 (Sam Altman) 戏剧性地重返首席执行官职位以及随之而来的董事会改组为标志，这些…</p><p>在人工智能和技术领域掀起波澜的惊人事件中，人工智能领域的领先实体 OpenAI 最近的领导地位发生了重大转变。以萨姆·奥尔特曼 (Sam Altman) 戏剧性地重返首席执行官职位以及随之而来的董事会改组为标志，这些变化代表了该组织的关键时刻。 OpenAI 以其在人工智能研究和开发方面的开创性工作而闻名，包括广泛认可的 ChatGPT 和 DALL-E 模型，站在人工智能进步的最前沿。因此，董事会的重组不仅仅是人员的变动，还标志着人工智能领域最具影响力的组织之一的方向、优先事项和战略的潜在变化。 这些变化的重要性不容低估。随着人工智能不断发展并渗透到我们生活的各个方面，OpenAI 等关键组织内的治理和决策流程具有深远的影响。这些领导层的变动以及具有不同商业和技术背景的新董事会成员的引入表明，可能会转向更加以商业为导向的方法，这一举措可能会重新定义人工智能发展及其跨行业应用的轨迹。 奥特曼回归的影响 Altman 重新担任首席执行官可能会对 OpenAI 的战略方向产生深远的影响。Altman 的领导风格以强调雄心勃勃的研究和道德人工智能开发而闻名，这可能标志着他重新关注开拓人工智能</p>大模型大模型OpenAIhttps://www.airobotnews.com/posts/do-robots-make-us-lazy/https://www.airobotnews.com/posts/do-robots-make-us-lazy/“社交偷懒”是一种现象，当团队成员因为知道其他人会替他们工作而开始减少努力时就会发生。科学家们调查这种情况是否发生在机器人和人类结合工作的团队中，发现执行质量保证任务的人类在被告知机器人已经检查过一件物品时发现的错误…Thu, 16 Nov 2023 00:00:00 GMT<p>“社交偷懒”是一种现象，当团队成员因为知道其他人会替他们工作而开始减少努力时就会发生。科学家们调查这种情况是否发生在机器人和人类结合工作的团队中，发现执行质量保证任务的人类在被告知机器人已经检查过一件物品时发现的错误…</p><p>“社交偷懒”是一种现象，当团队成员因为知道其他人会替他们工作而开始减少努力时就会发生。科学家们调查这种情况是否发生在机器人和人类结合工作的团队中，发现执行质量保证任务的人类在被告知机器人已经检查过一件物品时发现的错误较少，这表明他们依赖机器人并且较少关注工作。 现在，技术的进步意味着一些机器人可以与人类一起工作，有证据表明，这些人类已经学会将它们视为队友，而团队合作可以对人们的表现产生消极和积极的影响。人们有时会放松，让同事做工作。这被称为“社交偷懒”，当人们知道自己的贡献不会被注意到或者他们已经适应了其他团队成员的高绩效时，这种现象很常见。柏林工业大学的科学家研究了人类在与机器人一起工作时是否存在社交懒惰现象。 “团队合作是喜忧参半”，该研究的第一作者 Dietlind Helene Cymek 说道。。“一起工作可以激励人们表现出色，但也可能导致人们失去动力，因为个人贡献不那么明显。我们感兴趣的是，当团队伙伴是机器人时，我们是否也能找到这种激励效应。” 伸出援助之手 科学家们使用模拟工业缺陷检查任务测试了他们的假设：检查电路板是否有错误。科学家们向 42 名参与者提供了电路板的图像</p>机器人机器人https://www.airobotnews.com/posts/%E4%BD%BF%E7%94%A8%E8%AF%AD%E8%A8%80%E8%AE%A9%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%9B%B4%E5%A5%BD%E5%9C%B0%E6%8E%8C%E6%8F%A1%E5%BC%80%E6%94%BE%E4%B8%96%E7%95%8C/https://www.airobotnews.com/posts/%E4%BD%BF%E7%94%A8%E8%AF%AD%E8%A8%80%E8%AE%A9%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%9B%B4%E5%A5%BD%E5%9C%B0%E6%8E%8C%E6%8F%A1%E5%BC%80%E6%94%BE%E4%B8%96%E7%95%8C/想象一下，您正在国外拜访一位朋友，您查看了他们的冰箱，看看有什么可以做一顿丰盛的早餐。许多物品一开始对您来说都是陌生的，每一件物品都装在不熟悉的包装和容器中。尽管存在这些视觉上的区别，您还是开始了解每一种的用途，并根…Thu, 16 Nov 2023 00:00:00 GMT<p>想象一下，您正在国外拜访一位朋友，您查看了他们的冰箱，看看有什么可以做一顿丰盛的早餐。许多物品一开始对您来说都是陌生的，每一件物品都装在不熟悉的包装和容器中。尽管存在这些视觉上的区别，您还是开始了解每一种的用途，并根…</p><p>想象一下，您正在国外拜访一位朋友，您查看了他们的冰箱，看看有什么可以做一顿丰盛的早餐。许多物品一开始对您来说都是陌生的，每一件物品都装在不熟悉的包装和容器中。尽管存在这些视觉上的区别，您还是开始了解每一种的用途，并根据需要选择它们。 受人类处理不熟悉物体的能力的启发，麻省理工学院计算机科学与人工智能实验室 (CSAIL) 的一个团队设计了机器人操纵特征场 (F3RM)，这是一个将 2D 图像与基础模型特征混合到 3D 场景中的系统，以帮助机器人识别并抓住附近的物品。F3RM可以解释人类的开放式语言提示，使得该方法在包含数千个对象（例如仓库和家庭）的现实环境中很有用。 F3RM 为机器人提供了使用自然语言解释开放式文本提示的能力，帮助机器操纵物体。因此，机器可以理解人类不太具体的请求，并仍然完成所需的任务。例如，如果用户要求机器人“拿起一个高杯子”，机器人可以找到并抓取最适合该描述的物品。 美国国家科学基金会人工智能与基础交互研究所和麻省理工学院 CSAIL 的博士后Ge Yang表示：“制造能够真正在现实世界中进行泛化的机器人非常困难。” “我们真的很想弄清楚如何做到这一点，因此通过这</p>机器人机器人https://www.airobotnews.com/posts/%E9%85%8D%E9%87%8D%E5%B9%B3%E8%A1%A1%E7%BB%93%E6%9E%84/https://www.airobotnews.com/posts/%E9%85%8D%E9%87%8D%E5%B9%B3%E8%A1%A1%E7%BB%93%E6%9E%84/使用配重来平衡 ，3 自由度可堆叠机构Thu, 16 Nov 2023 00:00:00 GMT<p>使用配重来平衡 ，3 自由度可堆叠机构</p><p>使用配重来平衡 ，3 自由度可堆叠机构</p>机器人https://www.airobotnews.com/posts/cifar-10-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%95%B0%E6%8D%AE%E9%9B%86/https://www.airobotnews.com/posts/cifar-10-%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%95%B0%E6%8D%AE%E9%9B%86/由 Krizhevsky 等人提出。从微小图像中学习多层特征Mon, 13 Nov 2023 00:00:00 GMT<p>由 Krizhevsky 等人提出。从微小图像中学习多层特征</p><p>由 Krizhevsky 等人提出。从微小图像中学习多层特征 CIFAR -10数据集（加拿大高级研究所，10 个类别）是 Tiny Images 数据集的子集，由 60000 张 32x32 彩色图像组成。这些图像标有 10 个相互排斥的类别之一：飞机、汽车（但不是卡车或皮卡车）、鸟、猫、鹿、狗、青蛙、马、船和卡车（但不是皮卡车）。每类有 6000 张图像，每类有 5000 张训练图像和 1000 张测试图像。 判断图像是否属于某个类的标准如下： 类名应该位于“这张图片中是什么？”这个问题的可能答案列表中的前列。 图像应该逼真。贴标机被指示拒绝线条图。 该图像应仅包含该类所引用的对象的一个突出实例。只要贴标签者仍然清楚该物体的身份，该物体可能会被部分遮挡或从不寻常的角度看到。 数据下载：https://huggingface.co/datasets/tomas-gajarsky/cifar10-lt</p>大模型https://www.airobotnews.com/posts/%E4%BB%80%E4%B9%88%E6%98%AF%E5%B0%8F%E6%A0%B7%E6%9C%AC%E5%AD%A6%E4%B9%A0/https://www.airobotnews.com/posts/%E4%BB%80%E4%B9%88%E6%98%AF%E5%B0%8F%E6%A0%B7%E6%9C%AC%E5%AD%A6%E4%B9%A0/小样本学习是指使用极少量的训练数据来开发人工智能模型的各种算法和技术。少样本学习致力于让人工智能模型在接触相对较少的训练实例后识别和分类新数据。少样本训练与训练机器学习模型的传统方法形成鲜明对比，传统方法通常使用大量…Tue, 07 Nov 2023 00:00:00 GMT<p>小样本学习是指使用极少量的训练数据来开发人工智能模型的各种算法和技术。少样本学习致力于让人工智能模型在接触相对较少的训练实例后识别和分类新数据。少样本训练与训练机器学习模型的传统方法形成鲜明对比，传统方法通常使用大量…</p><p>小样本学习是指使用极少量的训练数据来开发人工智能模型的各种算法和技术。少样本学习致力于让人工智能模型在接触相对较少的训练实例后识别和分类新数据。少样本训练与训练机器学习模型的传统方法形成鲜明对比，传统方法通常使用大量训练数据。小样本学习主要用于计算机视觉。 为了对小样本学习有更好的直觉，让我们更详细地研究这个概念。我们将研究少样本学习背后的动机和概念，探索一些不同类型的少样本学习，并涵盖高层少样本学习中使用的一些模型。最后，我们将研究一些小样本学习的应用程序。 什么是小样本学习？ “少样本学习”描述了用最少的数据训练机器学习模型的实践。通常，机器学习模型是根据大量数据进行训练的，数据越大越好。然而，由于几个不同的原因，小样本学习是一个重要的机器学习概念。 使用少样本学习的原因之一是它可以大大减少训练机器学习模型所需的数据量，从而减少标记大型数据集所需的时间。同样，在使用通用数据集创建不同样本时，少样本学习减少了为各种任务添加特定特征的需要。理想情况下，少量学习可以使模型更加稳健，并且能够基于较少的数据识别对象，从而创建更通用的模型，而不是标准的高度专业化模型。 小样本学习最常用于计算机</p>大模型https://www.airobotnews.com/posts/devops-%E4%B8%AD%E7%9A%84-ai-%E7%AE%80%E5%8C%96%E8%BD%AF%E4%BB%B6%E9%83%A8%E7%BD%B2%E5%92%8C%E8%BF%90%E8%90%A5/https://www.airobotnews.com/posts/devops-%E4%B8%AD%E7%9A%84-ai-%E7%AE%80%E5%8C%96%E8%BD%AF%E4%BB%B6%E9%83%A8%E7%BD%B2%E5%92%8C%E8%BF%90%E8%90%A5/就像一台运转良好的机器一样，您的组织正处于重大软件部署的边缘。您已经在尖端人工智能解决方案上投入了大量资金，您的数字化转型战略已经制定，并且您的目光坚定地瞄准了未来。然而，问题迫在眉睫——您能否真正利用人工智能的力量…Wed, 01 Nov 2023 00:00:00 GMT<p>就像一台运转良好的机器一样，您的组织正处于重大软件部署的边缘。您已经在尖端人工智能解决方案上投入了大量资金，您的数字化转型战略已经制定，并且您的目光坚定地瞄准了未来。然而，问题迫在眉睫——您能否真正利用人工智能的力量…</p><p>就像一台运转良好的机器一样，您的组织正处于重大软件部署的边缘。您已经在尖端人工智能解决方案上投入了大量资金，您的数字化转型战略已经制定，并且您的目光坚定地瞄准了未来。然而，问题迫在眉睫——您能否真正利用人工智能的力量来简化软件部署和运营？ 到 2027 年，全球数字化转型市场规模将达到惊人的15,489 亿美元，复合年增长率为 21.1%，您不能只是原地踏步。 随着新兴的DevOps 趋势重新定义软件开发，公司利用先进的功能来加速人工智能的采用。这就是为什么，您需要拥抱 AI 和 DevOps 的动态组合，以保持竞争力并保持相关性。 本文深入探讨人工智能和 DevOps 的变革性协同作用，探讨这种合作伙伴关系如何重新定义您的运营，使其可扩展并面向未来。 DevOps 如何加速人工智能？ 通过利用 AI 的力量进行数据学习并提供丰富的见解，DevOps 团队可以加快开发流程并通过质量保证进行改进。这促使他们在面临关键问题的同时采用创新解决方案。 集成 AI 和 DevOps 的组合可以带来以下几个好处： 加快整个流程：将人工智能部署到运营中对于大多数公司来说仍然是新鲜事。因为为了更顺利地</p>大模型https://www.airobotnews.com/posts/zero123-%E4%BB%8E%E5%8D%95%E5%BC%A0%E5%9B%BE%E5%83%8F%E6%8E%A8%E7%90%86%E5%87%BA%E5%A4%9A%E4%B8%AA%E8%A7%86%E5%9B%BE%E6%A8%A1%E5%9E%8B/https://www.airobotnews.com/posts/zero123-%E4%BB%8E%E5%8D%95%E5%BC%A0%E5%9B%BE%E5%83%8F%E6%8E%A8%E7%90%86%E5%87%BA%E5%A4%9A%E4%B8%AA%E8%A7%86%E5%9B%BE%E6%A8%A1%E5%9E%8B/Zero123++，这是一种图像条件扩散模型，用于从单个输入视图生成 3D 一致的多视图图像。为了充分利用预训练的 2D 生成先验，我们开发了各种条件和训练方案，以最大限度地减少现成图像扩散模型（例如稳定扩散）的微调…Wed, 25 Oct 2023 00:00:00 GMT<p>Zero123++，这是一种图像条件扩散模型，用于从单个输入视图生成 3D 一致的多视图图像。为了充分利用预训练的 2D 生成先验，我们开发了各种条件和训练方案，以最大限度地减少现成图像扩散模型（例如稳定扩散）的微调…</p><p>Zero123++，这是一种图像条件扩散模型，用于从单个输入视图生成 3D 一致的多视图图像。为了充分利用预训练的 2D 生成先验，我们开发了各种条件和训练方案，以最大限度地减少现成图像扩散模型（例如稳定扩散）的微调工作。Zero123++ 擅长从单个图像生成高质量、一致的多视图图像，克服纹理退化和几何错位等常见问题。此外，我们展示了在 Zero123++ 上训练 ControlNet 以增强对生成过程的控制的可行性。 We report Zero123++, an image-conditioned diffusion model for generating 3D-consistent multi-view images from a single input view. To take full advantage of pretrained 2D generative priors, we develop various conditioning and training schemes to minimize the effort of finetuning from off</p>大模型https://www.airobotnews.com/posts/modern-robotics-i-arm-manipulators/https://www.airobotnews.com/posts/modern-robotics-i-arm-manipulators/You can watch a video of the introduction to the Modern Robotics I course at the link below:Tue, 24 Oct 2023 00:00:00 GMT<p>You can watch a video of the introduction to the Modern Robotics I course at the link below:</p><p>Modern Robotics I - Arm Type Manipulators You can watch a video of the introduction to the Modern Robotics I course at the link below: Introduction to the Course Video Download the full syllabus of the course including grading criteria at the link below: Modern\Robotics\I\Syllabus.pdf Course Description The Czech playwright Karel Capek is credited with coining the word "robot" in his 1920 play, R.U.R. (Rossum's Universal Robots), but the concept of robots as machines that can sense, process, and</p>机器人机器人ROShttps://www.airobotnews.com/posts/%E6%9C%BA%E5%99%A8%E4%BA%BA%E7%83%B9%E9%A5%AA%E6%96%B9%E6%B3%95yori/https://www.airobotnews.com/posts/%E6%9C%BA%E5%99%A8%E4%BA%BA%E7%83%B9%E9%A5%AA%E6%96%B9%E6%B3%95yori/由加州大学洛杉矶分校的机器人与机械实验室一直在研究，既利用机器人友好的自动化，又利用人类技能，使事物味道正确，的烹饪机器人解决方案。Tue, 17 Oct 2023 00:00:00 GMT<p>由加州大学洛杉矶分校的机器人与机械实验室一直在研究，既利用机器人友好的自动化，又利用人类技能，使事物味道正确，的烹饪机器人解决方案。</p><p>由加州大学洛杉矶分校的机器人与机械实验室一直在研究，既利用机器人友好的自动化，又利用人类技能，使事物味道正确，的烹饪机器人解决方案。 论文链接：https://spectrum.ieee.org/romela-cooking-robot</p>机器人机器人https://www.airobotnews.com/posts/%E5%9C%A8%E9%9F%B3%E9%A2%91%E4%B8%AD%E5%B0%86%E4%BD%A0%E7%9A%84%E6%8F%8F%E8%BF%B0%E5%92%8C%E5%86%85%E5%AE%B9%E5%88%86%E5%BC%80%E6%A8%A1%E5%9E%8Baudiosep/https://www.airobotnews.com/posts/%E5%9C%A8%E9%9F%B3%E9%A2%91%E4%B8%AD%E5%B0%86%E4%BD%A0%E7%9A%84%E6%8F%8F%E8%BF%B0%E5%92%8C%E5%86%85%E5%AE%B9%E5%88%86%E5%BC%80%E6%A8%A1%E5%9E%8Baudiosep/语言查询音频源分离（LASS）是计算听觉场景分析（CASA）的新范例。LASS 旨在根据自然语言查询从音频混合物中分离出目标声音，这为数字音频应用程序提供了自然且可扩展的接口。最近的 LASS 工作尽管在特定源（例如…Mon, 16 Oct 2023 00:00:00 GMT<p>语言查询音频源分离（LASS）是计算听觉场景分析（CASA）的新范例。LASS 旨在根据自然语言查询从音频混合物中分离出目标声音，这为数字音频应用程序提供了自然且可扩展的接口。最近的 LASS 工作尽管在特定源（例如…</p><p>语言查询音频源分离（LASS）是计算听觉场景分析（CASA）的新范例。LASS 旨在根据自然语言查询从音频混合物中分离出目标声音，这为数字音频应用程序提供了自然且可扩展的接口。最近的 LASS 工作尽管在特定源（例如乐器、有限类别的音频事件）上取得了有希望的分离性能，但无法在开放域中分离音频概念。在这项工作中，我们介绍了 AudioSep，这是一种使用自然语言查询进行开放域音频源分离的基础模型。我们在大规模多模态数据集上训练 AudioSep，并广泛评估其在音频事件分离、乐器分离和语音增强等众多任务中的能力。AudioSep 使用音频字幕或文本标签作为查询，展示了强大的分离性能和令人印象深刻的零样本泛化能力，大大优于以前的音频查询和语言查询声音分离模型。 为了这项工作的可重复性，我们将在以下位置发布源代码、评估基准和预训练模型：https://github.com/Audio-AGI/AudioSep。 论文下载地址： https://arxiv.org/pdf/2308.05037v1.pdf</p>大模型https://www.airobotnews.com/posts/openai%E8%80%83%E8%99%91%E5%8A%A0%E5%85%A5ai%E8%8A%AF%E7%89%87%E5%88%B6%E9%80%A0%E8%81%94%E7%9B%9F/https://www.airobotnews.com/posts/openai%E8%80%83%E8%99%91%E5%8A%A0%E5%85%A5ai%E8%8A%AF%E7%89%87%E5%88%B6%E9%80%A0%E8%81%94%E7%9B%9F/OpenAI是著名的ChatGPT背后的强大力量，可能很快就会深入研究人工智能芯片制造的动态世界。根据路透社的一份新报道，该公司正在积极考虑创建其独特的AI芯片，甚至正在考虑收购该领域的潜在目标。Thu, 12 Oct 2023 00:00:00 GMT<p>OpenAI是著名的ChatGPT背后的强大力量，可能很快就会深入研究人工智能芯片制造的动态世界。根据路透社的一份新报道，该公司正在积极考虑创建其独特的AI芯片，甚至正在考虑收购该领域的潜在目标。</p><p>OpenAI是著名的ChatGPT背后的强大力量，可能很快就会深入研究人工智能芯片制造的动态世界。根据路透社的一份新报道，该公司正在积极考虑创建其独特的AI芯片，甚至正在考虑收购该领域的潜在目标。 全球对AI芯片的需求正在飙升，尤其是在OpenAI的ChatGPT去年冲击市场之后。这种被称为AI加速器的专用芯片在培训和实施尖端的生成AI技术方面发挥着关键作用。目前，市场认为英伟达处于顶峰，在大多数AI芯片生产中占据主导地位。OpenAI对这些昂贵的芯片的依赖也是有限的，这使该公司处于十字路口。 虽然OpenAI正在积极探索其选择，但尚未做出具体决定。摆在桌面上的选择包括构建自己的AI芯片，加强与英伟达等芯片巨头的合作伙伴关系，以及扩大其供应商基础。 人工智能领域的挑战和高风险 OpenAI的首席执行官Sam Altman对未来的挑战并不陌生。他一直直言不讳地谈论图形处理单元（GPU）的稀缺性 - 在这个领域，英伟达享有超过80%的市场份额。这种稀缺性，加上运营成本的飙升，是Altman的两个主要关注点。随着OpenAI的广泛运营，尤其是ChatGPT，财务影响是巨大的。如果 ChatG</p>大模型大模型OpenAI成本优化https://www.airobotnews.com/posts/%E9%87%8D%E6%96%B0%E5%AE%9A%E4%B9%89%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%8A%80%E6%9C%AF-%E6%99%AE%E6%B8%A1%E5%A4%A7%E5%AD%A6%E7%9A%84%E5%88%9B%E6%96%B0%E6%9C%BA%E5%99%A8%E8%A7%86%E8%A7%89%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/https://www.airobotnews.com/posts/%E9%87%8D%E6%96%B0%E5%AE%9A%E4%B9%89%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%8A%80%E6%9C%AF-%E6%99%AE%E6%B8%A1%E5%A4%A7%E5%AD%A6%E7%9A%84%E5%88%9B%E6%96%B0%E6%9C%BA%E5%99%A8%E8%A7%86%E8%A7%89%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/受人尊敬的普渡大学的研究人员在机器人、机器视觉和感知领域取得了重大飞跃。他们的突破性方法比传统技术有了显着的改进，有望在未来机器比以往任何时候都更有效、更安全地感知周围环境。Thu, 12 Oct 2023 00:00:00 GMT<p>受人尊敬的普渡大学的研究人员在机器人、机器视觉和感知领域取得了重大飞跃。他们的突破性方法比传统技术有了显着的改进，有望在未来机器比以往任何时候都更有效、更安全地感知周围环境。</p><p>受人尊敬的普渡大学的研究人员在机器人、机器视觉和感知领域取得了重大飞跃。他们的突破性方法比传统技术有了显着的改进，有望在未来机器比以往任何时候都更有效、更安全地感知周围环境。 介绍HADAR：机器感知的革命性飞跃 Elmore电气和计算机工程副教授Zubin Jacob与研究科学家Fanglin Bao合作，介绍了一种名为HADAR的开创性方法，是热辅助检测和测距的缩写。他们的创新引起了极大的关注，这种认可扩大了人们对HADAR在各个领域的潜在应用的预期。 传统上，机器感知依赖于激光雷达、雷达和声纳等主动传感器，这些传感器发出信号以收集有关周围环境的三维数据。然而，这些方法带来了挑战，尤其是在扩大规模时。它们容易受到信号干扰，甚至可能对人类安全构成风险。摄像机在低光照条件下的局限性以及传统热成像中的“重影效应”进一步使机器感知复杂化。 HADAR寻求应对这些挑战。“物体及其环境不断发射和散射热辐射，导致无纹理的图像，众所周知的'重影效应'，”鲍解释说。他继续说：“一个人脸部的热照片只显示轮廓和一些温度对比;没有任何功能，让您看起来像看到了鬼魂。这种信息、纹理和特征的损失是使用热辐射进行</p>机器人机器人传感器https://www.airobotnews.com/posts/%E4%B8%8E%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E5%92%8C%E6%9C%BA%E5%99%A8%E4%BA%BA%E7%9B%B8%E5%85%B3%E7%9A%84%E8%B5%84%E6%BA%90-%E6%96%87%E7%AB%A0%E5%92%8C%E8%A7%82%E7%82%B9%E5%88%97%E8%A1%A8/https://www.airobotnews.com/posts/%E4%B8%8E%E5%A4%A7%E5%9E%8B%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B%E5%92%8C%E6%9C%BA%E5%99%A8%E4%BA%BA%E7%9B%B8%E5%85%B3%E7%9A%84%E8%B5%84%E6%BA%90-%E6%96%87%E7%AB%A0%E5%92%8C%E8%A7%82%E7%82%B9%E5%88%97%E8%A1%A8/我们收集了一些与大型语言模型（LLM）相关的文章，观点，视频和资源。其中一些链接还涵盖了其他生成模型。我们将定期更新此列表，以添加任何其他感兴趣的资源。本文是该系列的第三篇。（以前的版本在这里：v1 |v2.）Tue, 10 Oct 2023 00:00:00 GMT<p>我们收集了一些与大型语言模型（LLM）相关的文章，观点，视频和资源。其中一些链接还涵盖了其他生成模型。我们将定期更新此列表，以添加任何其他感兴趣的资源。本文是该系列的第三篇。（以前的版本在这里：v1 |v2.）</p><p>我们收集了一些与大型语言模型（LLM）相关的文章，观点，视频和资源。其中一些链接还涵盖了其他生成模型。我们将定期更新此列表，以添加任何其他感兴趣的资源。本文是该系列的第三篇。（以前的版本在这里：v1 |v2.） 什么是法学硕士以及它们是如何工作的 什么是生成AI模型？，Kate Soule，来自IBM Technology的视频。 大型语言模型简介，John Ewald，来自Google Cloud Tech的视频。 什么是 GPT-4，它与 ChatGPT 有何不同？，Alex Hern，《卫报》。 查特在做什么...以及为什么它有效？，斯蒂芬·沃尔夫勒姆。 理解大型语言模型——变革性阅读清单，塞巴斯蒂安·拉施卡。 ChatGPT 如何训练，视频由 Ari Seff 提供。 ChatGPT – 这是什么？它是如何工作的？我们应该兴奋吗？还是害怕？，Deep Dhillon，The Radical AI播客。 您需要了解的有关ChatGPT，Joanna Dungate，图灵研究所博客的所有信息。 关于基础模型的图灵视频系列讲座：第一节 |第二节 |第三节 |会议 1. 巴德：谷歌的吟</p>机器人大模型机器人https://www.airobotnews.com/posts/%E6%89%8B%E6%8C%87%E5%BD%A2%E4%BC%A0%E6%84%9F%E5%99%A8%E4%BD%BF%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%9B%B4%E5%8A%A0%E7%81%B5%E5%B7%A7/https://www.airobotnews.com/posts/%E6%89%8B%E6%8C%87%E5%BD%A2%E4%BC%A0%E6%84%9F%E5%99%A8%E4%BD%BF%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%9B%B4%E5%8A%A0%E7%81%B5%E5%B7%A7/麻省理工学院的研究人员开发了一种基于摄像头的触摸传感器，它又长又弯曲，形状像人类的手指。他们的设备在大面积上提供高分辨率的触觉感应，可以使机器人手执行多种类型的抓取。图片：由研究人员提供Tue, 10 Oct 2023 00:00:00 GMT<p>麻省理工学院的研究人员开发了一种基于摄像头的触摸传感器，它又长又弯曲，形状像人类的手指。他们的设备在大面积上提供高分辨率的触觉感应，可以使机器人手执行多种类型的抓取。图片：由研究人员提供</p><p>麻省理工学院的研究人员开发了一种基于摄像头的触摸传感器，它又长又弯曲，形状像人类的手指。他们的设备在大面积上提供高分辨率的触觉感应，可以使机器人手执行多种类型的抓取。图片：由研究人员提供 作者：亚当·泽维 |麻省理工学院新闻 想象一下，用一只手抓住一个重物，比如管扳手。您可能会用整个手指抓住扳手，而不仅仅是指尖。皮肤中的感觉受体沿着每个手指的整个长度运行，会向你的大脑发送有关你正在掌握的工具的信息。 在机器人手中，使用摄像头获取有关抓取物体信息的触觉传感器又小又扁，因此它们通常位于指尖。反过来，这些机器人只用指尖来抓取物体，通常是捏合的动作。这限制了它们可以执行的操作任务。 麻省理工学院的研究人员开发了一种基于摄像头的触摸传感器，它又长又弯曲，形状像人类的手指。他们的设备可在大面积上提供高分辨率触觉感应。这种名为GelSight Svelte的传感器使用两个镜子来反射和折射光线，以便位于传感器底部的一个摄像头可以沿着整个手指的长度看到。 此外，研究人员还构建了具有柔性骨干的手指形传感器。通过测量手指接触物体时骨干的弯曲方式，他们可以估计施加在传感器上的力。 他们使用GelSight S</p>机器人机器人传感器https://www.airobotnews.com/posts/%E6%97%A0%E8%84%91-%E8%BD%AF%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%9C%A8%E5%A4%8D%E6%9D%82%E7%8E%AF%E5%A2%83%E4%B8%AD%E5%AF%BC%E8%88%AA%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%8A%80%E6%9C%AF%E7%AA%81%E7%A0%B4/https://www.airobotnews.com/posts/%E6%97%A0%E8%84%91-%E8%BD%AF%E6%9C%BA%E5%99%A8%E4%BA%BA%E5%9C%A8%E5%A4%8D%E6%9D%82%E7%8E%AF%E5%A2%83%E4%B8%AD%E5%AF%BC%E8%88%AA%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%8A%80%E6%9C%AF%E7%AA%81%E7%A0%B4/在不断发展的机器人领域，研究人员实现了一项新的突破：一种不需要人类或计算机指导即可在复杂环境中导航的软机器人。这项新发明建立在之前的工作基础上，其中软机器人在更简单的迷宫中展示了基本的导航技能。Mon, 09 Oct 2023 00:00:00 GMT<p>在不断发展的机器人领域，研究人员实现了一项新的突破：一种不需要人类或计算机指导即可在复杂环境中导航的软机器人。这项新发明建立在之前的工作基础上，其中软机器人在更简单的迷宫中展示了基本的导航技能。</p><p>在不断发展的机器人领域，研究人员实现了一项新的突破：一种不需要人类或计算机指导即可在复杂环境中导航的软机器人。这项新发明建立在之前的工作基础上，其中软机器人在更简单的迷宫中展示了基本的导航技能。 利用物理智能进行导航 该研究的共同通讯作者、北卡罗来纳州立大学机械与航空航天工程副教授尹杰阐述了这一进展： “在我们早期的工作中，我们证明了我们的软机器人能够扭转和转弯通过一个非常简单的障碍路线。然而，除非遇到障碍物，否则它无法转弯。这种限制意味着机器人有时可能会被困在平行障碍物之间来回弹跳。” 他补充道：“我们开发了一种新型软体机器人，它能够自行转动，使其能够穿越曲折的迷宫，甚至绕过移动的障碍物。所有这一切都是通过物理智能来实现的，而不是依赖于计算机的指导。” “物理智能”一词表示动态物体（例如软机器人）的内在行为，由其结构设计和材料定义，而不是外部人类或计算机干预。 这种新型软机器人采用带状液晶弹性体。当它们放置在比周围空气温暖的表面上时，特别是高于 55 摄氏度（131 华氏度）时，与表面接触的丝带会收缩，而暴露的部分保持不变。这种差异会引发滚动运动，滚动运动会随着表面温度的升高而加速。</p>机器人机器人https://www.airobotnews.com/posts/%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%8A%80%E6%9C%AF%E7%9A%84%E6%96%B0%E6%9B%99%E5%85%89-%E5%9F%BA%E4%BA%8E%E8%A7%A6%E6%91%B8%E7%9A%84%E7%89%A9%E4%BD%93%E6%97%8B%E8%BD%AC/https://www.airobotnews.com/posts/%E6%9C%BA%E5%99%A8%E4%BA%BA%E6%8A%80%E6%9C%AF%E7%9A%84%E6%96%B0%E6%9B%99%E5%85%89-%E5%9F%BA%E4%BA%8E%E8%A7%A6%E6%91%B8%E7%9A%84%E7%89%A9%E4%BD%93%E6%97%8B%E8%BD%AC/在一项突破性的开发中，加州大学圣地亚哥分校 (UCSD) 的工程师团队设计了一款机械手，可以仅通过触摸来旋转物体，而无需视觉输入。这种创新方法的灵感来自于人类无需看到物体即可轻松处理物体的方式。Mon, 09 Oct 2023 00:00:00 GMT<p>在一项突破性的开发中，加州大学圣地亚哥分校 (UCSD) 的工程师团队设计了一款机械手，可以仅通过触摸来旋转物体，而无需视觉输入。这种创新方法的灵感来自于人类无需看到物体即可轻松处理物体的方式。</p><p>在一项突破性的开发中，加州大学圣地亚哥分校 (UCSD) 的工程师团队设计了一款机械手，可以仅通过触摸来旋转物体，而无需视觉输入。这种创新方法的灵感来自于人类无需看到物体即可轻松处理物体的方式。 对象操纵的触摸敏感方法 该团队为四指机械手配备了 16 个触摸传感器，分布在其手掌和手指上。每个传感器的成本约为 12 美元，执行一个简单的功能：检测物体是否正在接触它。这种方法是独一无二的，因为它依赖于大量低成本、低分辨率的触摸传感器，这些传感器使用简单的二进制信号（触摸或不触摸）来执行机器人手中的旋转。 相比之下，其他方法依赖于固定在机器人手的一小块区域（主要是指尖）上的一些高成本、高分辨率的触摸传感器。领导这项研究的加州大学圣地亚哥分校电气与计算机工程系教授王小龙解释说，这些方法有一些局限性。它们最大限度地减少了传感器与物体接触的机会，从而限制了系统的传感能力。提供纹理信息的高分辨率触摸传感器极其难以模拟，而且价格昂贵，使得在现实世界的实验中使用它们具有挑战性。 二进制信号的力量 “我们表明，我们不需要物体纹理的细节来完成这项任务。我们只需要简单的二进制信号来表明传感器是否接触到物体，这</p>机器人机器人传感器成本优化https://www.airobotnews.com/posts/%E4%BB%80%E4%B9%88%E6%98%AFknn-%E9%82%BB%E8%BF%91%E7%AE%97%E6%B3%95/https://www.airobotnews.com/posts/%E4%BB%80%E4%B9%88%E6%98%AFknn-%E9%82%BB%E8%BF%91%E7%AE%97%E6%B3%95/What is K-Nearest Neighbors (KNN)?Sat, 07 Oct 2023 00:00:00 GMT<p>What is K-Nearest Neighbors (KNN)?</p><p>What is K-Nearest Neighbors (KNN)? K-最近邻是一种机器学习技术和算法，可用于回归和分类任务。K 最近邻检查目标数据点周围选定数量的数据点的标签，以便对数据点所属的类别进行预测。K 最近邻 (KNN) 是一种概念上简单但非常强大的算法，因此，它是最流行的机器学习算法之一。让我们深入研究 KNN 算法，看看它到底是如何工作的。充分了解 KNN 的运作方式将使您了解 KNN 的最佳和最差用例。 K 最近邻 (KNN) 概述 让我们在 2D 平面上可视化数据集。在图表上想象一堆数据点，沿着图表以小簇的形式分布。KNN 检查数据点的分布，并根据模型的参数将数据点分成组。然后为这些组分配一个标签。KNN 模型做出的主要假设是，彼此接近的数据点/实例高度相似，而如果数据点远离另一组，则它与这些数据点不相似。 KNN 模型使用图上两点之间的距离来计算相似度。点之间的距离越大，它们的相似度就越低。计算点之间距离的方法有多种，但最常见的距离度量就是欧几里得距离（直线上两点之间的距离）。 KNN 是一种监督学习算法，这意味着数据集中的示例必须分配有标签/它们的类别必须已知</p>大模型成本优化数学https://www.airobotnews.com/posts/%E4%BB%80%E4%B9%88%E6%98%AF%E8%BE%B9%E7%BC%98%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%92%8C%E8%BE%B9%E7%BC%98%E8%AE%A1%E7%AE%97/https://www.airobotnews.com/posts/%E4%BB%80%E4%B9%88%E6%98%AF%E8%BE%B9%E7%BC%98%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%92%8C%E8%BE%B9%E7%BC%98%E8%AE%A1%E7%AE%97/边缘人工智能是人工智能最引人注目的新领域之一，它的目标是让人们运行人工智能流程，而不必担心隐私或因数据传输而导致的速度减慢。边缘人工智能正在使人工智能得到更广泛、更广泛的使用，让智能设备无需访问云即可快速对输入做出反…Sat, 07 Oct 2023 00:00:00 GMT<p>边缘人工智能是人工智能最引人注目的新领域之一，它的目标是让人们运行人工智能流程，而不必担心隐私或因数据传输而导致的速度减慢。边缘人工智能正在使人工智能得到更广泛、更广泛的使用，让智能设备无需访问云即可快速对输入做出反…</p><p>边缘人工智能是人工智能最引人注目的新领域之一，它的目标是让人们运行人工智能流程，而不必担心隐私或因数据传输而导致的速度减慢。边缘人工智能正在使人工智能得到更广泛、更广泛的使用，让智能设备无需访问云即可快速对输入做出反应。虽然这是 Edge AI 的快速定义，但让我们花点时间通过探索使其成为可能的技术并查看 Edge AI 的一些用例来更好地了解 Edge AI。 什么是边缘计算？ 为了真正理解Edge AI，我们首先需要了解边缘计算，而理解边缘计算的最好方式就是将其与云计算进行对比。云计算是通过互联网提供计算服务。相比之下，边缘计算系统不连接到云端，而是在本地设备上运行。这些本地设备可以是专用边缘计算服务器、本地设备或物联网 (IoT)。使用边缘计算有很多优点。例如，基于互联网/云的计算受到延迟和带宽的限制，而边缘计算则不受这些参数的限制。 什么是边缘人工智能？ 现在我们了解了边缘计算，我们可以看一下边缘人工智能。边缘人工智能结合了人工智能和边缘计算。人工智能算法在支持边缘计算的设备上运行。这样做的好处是可以实时处理数据，无需连接到云端。 大多数尖端人工智能流程都是在云中执行的，因为它</p>大模型机器人无人机https://www.airobotnews.com/posts/%E4%BB%80%E4%B9%88%E6%98%AF%E9%9B%86%E6%88%90%E5%AD%A6%E4%B9%A0/https://www.airobotnews.com/posts/%E4%BB%80%E4%B9%88%E6%98%AF%E9%9B%86%E6%88%90%E5%AD%A6%E4%B9%A0/集成Sat, 07 Oct 2023 00:00:00 GMT<p>集成</p><p>集成 集成学习是使用多个机器学习模型来提高预测的可靠性和准确性。然而，使用多个机器学习模型如何实现更准确的预测呢？使用什么技术来创建集成学习模型？我们将探讨这些问题的答案，了解使用集成模型背后的基本原理以及创建集成模型的主要方法。 什么是集成学习？ 简而言之，集成学习是训练多个机器学习模型并将其输出组合在一起的过程。不同的模型被用作创建一个最佳预测模型的基础。组合不同的单独机器学习模型可以提高整体模型的稳定性，从而实现更准确的预测。集成学习模型通常比单个模型更可靠，因此，它们通常在许多机器学习竞赛中名列第一。 工程师可以使用不同的技术来创建集成学习模型。简单的集成学习技术包括对不同模型的输出进行平均等，同时还开发了更复杂的方法和算法，专门用于将许多基础学习器/模型的预测结合在一起。 为什么要使用集成训练方法？ 由于多种原因，机器学习模型可能彼此不同。不同的机器学习模型可以对群体数据的不同样本进行操作，可以使用不同的建模技术，并且可以使用不同的假设。 想象一下，您正在与一大群人玩问答游戏。如果你自己在一个团队中，肯定会有一些你了解的主题，也有很多你不知道的主题。现在假设您正在与其他人一起</p>大模型https://www.airobotnews.com/posts/%E6%96%B0%E5%9E%8B%E7%9A%84%E5%8F%AF%E9%87%8D%E6%9E%84%E6%9C%BA%E5%99%A8%E4%BA%BAtail-star/https://www.airobotnews.com/posts/%E6%96%B0%E5%9E%8B%E7%9A%84%E5%8F%AF%E9%87%8D%E6%9E%84%E6%9C%BA%E5%99%A8%E4%BA%BAtail-star/Tail STAR是一种新型的可延展式机器人，具有双关节的尾巴，能够克服各种障碍。它可以用于搜索和救援应用。它可以穿过缝隙，爬过楼梯和人行道。它可以爬过比车轮半径大6倍的障碍物。Sat, 07 Oct 2023 00:00:00 GMT<p>Tail STAR是一种新型的可延展式机器人，具有双关节的尾巴，能够克服各种障碍。它可以用于搜索和救援应用。它可以穿过缝隙，爬过楼梯和人行道。它可以爬过比车轮半径大6倍的障碍物。</p><p>Tail STAR是一种新型的可延展式机器人，具有双关节的尾巴，能够克服各种障碍。它可以用于搜索和救援应用。它可以穿过缝隙，爬过楼梯和人行道。它可以爬过比车轮半径大6倍的障碍物。 视频： 论文： https://ieeexplore.ieee.org/document/10050748</p>机器人机器人https://www.airobotnews.com/posts/desktop-robot-build/https://www.airobotnews.com/posts/desktop-robot-build/桌子上有一个桌子机器人。比赛分为三个“阶段”：Fri, 06 Oct 2023 00:00:00 GMT<p>桌子上有一个桌子机器人。比赛分为三个“阶段”：</p><p>什么是桌上机器人？ 桌子上有一个桌子机器人。比赛分为三个“阶段”： 第一阶段：建造一个从桌子的一端到另一端并返回的机器人。 第二阶段：让机器人将一块块从桌子的壁架上推下来。 第三阶段：让机器人将积木推入安装在桌子末端的鞋盒中。 还有一个非官方的第四阶段——那就是从桌面上掉下来并生存下来。我没有尝试这个阶段。 大多数桌面机器人都非常简单——几个声纳或红外传感器，它们在桌面上徘徊，希望完成不同的阶段。我的桌面机器人完全不同——当机器人在 2023 年 RoboGames 上获得金牌时，它得到了回报。 机器人构建 整个机器人是由3D打印部件和我手头的随机东西制成的。 我有一个99美元的LD-06激光雷达闲置了一段时间，并决定这是一个很棒的项目。我使用 Dynamixel AX-12 伺服器倾斜激光，以便找到桌子、立方体或目标。 所有代码都在STM32上运行，在我的定制Etherbotix板上，这是几年前为我的Maxwell机器人设计的。该机器人使用带有一些30：1 12V齿轮电机的差速驱动，这些电机于2008年从Lynxmotion购买，多年来用于各种消防机器人。 一组小型数字夏普红外传感器</p>机器人机器人传感器3D打印数学