# 机器人技术的所有文章

在 HTX 新聞中心流覽與「机器人技术」相關的最新資訊與深度分析。潘蓋市場趨勢、專案動態、技術進展及監管政策,提供權威的加密行業洞察。

黄仁勋将日本变成英伟达的“物理AI”支点:30年前的救命之恩,30年后全栈绑定

英伟达CEO黄仁勋近日访问日本,密集推进多项战略合作,旨在将日本打造为其全球“物理AI”发展的核心支点。此行凸显了英伟达将其AI全栈技术与日本深厚的制造业基础及半导体供应链进行深度绑定的意图。 黄仁勋宣布与日本工业机器人巨头发那科和安川电机合作开发AI机器人技术,并大幅扩大与丰田在自动驾驶、工厂仿真及城市智能等领域的合作。他强调,AI能帮助日本应对劳动力短缺,提升生产力。 访问期间,黄仁勋与30年前在英伟达濒临破产时提供关键投资的世嘉前社长入交昭一郎重逢,双方宣布延续合作,世嘉未来游戏将支持英伟达RTX Spark平台。此外,黄仁勋在一场居酒屋晚宴中,会见了包括铠侠、信越化学、东京电子等在内的日本半导体供应链核心企业高管,被外界视为重要的供应链“公关”。 英伟达在日本的布局已延伸至医疗、金融及量子计算等多个关键行业。多家日本药企使用其平台加速药物发现,瑞穗银行等金融机构正建设大型AI工厂,理化学研究所则部署了由英伟达Blackwell GPU驱动的超级计算机用于量子-HPC研究。市场猜测英伟达可能进一步与日本政府支持的“物理AI模型国家队”Noetra合作。 黄仁勋驳斥了AI投资泡沫论,称需求依然强劲,基础设施需要至少十年建设期。他此次日本行,通过强化历史纽带与构建全方位产业联盟,系统性地巩固了英伟达在物理AI时代的战略支点。

marsbit07/16 11:42

黄仁勋将日本变成英伟达的“物理AI”支点:30年前的救命之恩,30年后全栈绑定

marsbit07/16 11:42

近百名玩家涌入具身数据 : 一年融资44.7亿,谁能真靠“卖数据”赚钱?

近百名玩家涌入具身数据领域,行业一年融资约44.7亿元。该行业已成长为一个独立赛道,但整体仍处早期阶段。 数据采集主要有四大技术路线:真机遥操、无本体采集、仿真合成和互联网视频蒸馏。其中,采用跨路线采集方案的公司最多,单独押注真机遥操的玩家也占相当比例。行业现有年产能估计在160万至180万小时数据,短期目标是在1-3年内扩大15到20倍,但相比大语言模型的数据需求仍有巨大差距。 从玩家构成看,独立数据服务商已成为最大群体(占40%),其次是国资数据平台和机器人公司。超过六成的数采公司是“具身原生”企业,而数据基础设施(infra)公司则有约七成来自AI数据标注等领域的“跨界转型”。 资本方面,过去一年有15家“独立具身数据服务商”获得融资,总额约44.7亿元,但这仅为同期具身智能全行业融资额的一个零头。头部公司光轮智能融资占行业总融资近七成,其余多数公司融资轮次较早、金额较小。共有69家投资机构出手,但无一重仓,显示出资本态度谨慎。 行业面临的核心挑战是:尽管产能快速扩张、玩家众多,但尚未有公司能明确验证“纯卖数据”是一门可持续盈利的生意。未来一两年将是商业模式验证的关键窗口期。

marsbit07/12 02:30

近百名玩家涌入具身数据 : 一年融资44.7亿,谁能真靠“卖数据”赚钱?

marsbit07/12 02:30

具身智能“高考”难疯了,人类100分,最强模型12.8

近日,一个名为RoboDojo的新型机器人操作评测基准发布,旨在全面评估具身智能模型的综合能力。该基准由学术机构联盟推出,包含42个仿真任务和18个真实世界任务,覆盖泛化、记忆、精细操作、长程执行和开放语义理解五大核心维度。 评测结果显示,当前最强通用机器人策略在仿真任务中的平均成功率仅为8.80%,在真实世界任务中最好模型的平均成功率也仅有12.8%。相比之下,人类专家在仿真和真实任务中的成功率分别达到76.03%和100%,差距显著。 RoboDojo的仿真任务设计复杂,例如在泛化任务中场景物体可达25个且随机变化,记忆任务需识别曾在传送带出现的物体,精细操作要求完成插管、对齐等高精度动作。其实验室还设立了标准化的真机评测平台(RoboDojo-RealEval),使用多款双臂机器人执行如盖积木、做面包、插充电器等日常任务,并统一硬件、布局与评测流程,确保结果可复现、可比较。 在公开排行榜中,仿真任务榜首Hy-Embodied-0.5-VLA平均成功率仅8.80%,真实任务榜首π0.5成功率12.8%。模型表现不均,尤其在开放语义任务上,最强模型成功率仅约1.67%,表明现有系统在理解新指令并可靠执行方面仍很薄弱。 为支撑评测,项目同时提供了异构并行仿真工具和统一策略接入层XPolicyLab,帮助研究者高效集成和比较不同模型。团队表示,RoboDojo如同“具身智能的珠峰”,旨在通过标准化、多维度的评测推动领域发展,未来还将扩展灵巧操作、移动操作等更多评测方向。

marsbit07/08 11:49

具身智能“高考”难疯了,人类100分,最强模型12.8

marsbit07/08 11:49

机器人看视频学操作,伯克利首次打通互联网视频到灵巧手真机部署链路

加州大学伯克利分校的研究团队提出了一种名为“Do as I Do”的端到端流程,首次成功实现了从互联网单目RGB视频到灵巧手真机部署的完整链路。该方法旨在解决机器人“看”视频却“不会做”的核心难题,即如何将带有噪声的日常人类操作视频,转化为多指灵巧手能够执行的动作轨迹。 系统流程分为两个阶段。第一阶段,通过引导式扩散模型,稳定地从视频中重建出4D手-物交互过程,解决了传统方法在运动模糊、遮挡下跟踪不稳定的问题。第二阶段,针对重建出的带噪声参考轨迹,改进了原有的动作重定向优化框架,通过多项设计显著提升了成功率,从25%提升至71%。 研究团队利用该方法,从网络视频中生成了涵盖放置、书写、搅拌、锤击等20类复杂日常操作的500条已验证轨迹,并选取其中10项成功部署到双UR3e机械臂与双Sharpa Wave灵巧手平台上进行50Hz的真实执行。Sharpa Wave灵巧手因其接近人手的尺度和自由度,更适合此类迁移。 研究同时指出,直接从网络海量视频中筛选可用数据至关重要,未经处理的视频中仅有约5%的片段适合用于机器人学习,并总结了一套关键的数据筛选要点。这项工作标志着将人类视频大规模转化为机器人可执行数据的关键一步,为机器人学习开辟了新的数据来源。

marsbit07/06 07:19

机器人看视频学操作,伯克利首次打通互联网视频到灵巧手真机部署链路

marsbit07/06 07:19

活动图片