在机器人研究领域，抓取任务始终是机器人操作中的一个关键问题。这项任务的核心目标是控制机械手移动到合适位置，并完成对物体的抓取。近年来，基于学习的方法在提高对不同物体的抓取的泛化能力上取得了显著进展，但针对机械手本身，尤其是复杂的灵巧手（多指机械手）之间的泛化能力仍然缺乏深入研究。由于灵巧手在不同形态和几何结构上存在显著差异，抓取策略的跨手转移一直存在挑战。
作为国内科技行业的风向标之一，2024年的云大会在9月19日如期举行。热闹依旧，但主题已有变化。 AI应用，成为了绝对的主角。
大神卡帕西墙裂推荐！ 甚至预言这个AI应用，有可能开启「和ChatGPT一样大的机会」。 它就是来自谷歌的实验性AI产品，Notebook LM，背后由谷歌现在最强大的模型Gemini 1.5 Pro提供支持。
随着生成式AI的火速发展，AI应用开始与各种信息设备“嫁接”，AI手机、AI PC，甚至AI汽车都变得越发司空见惯。
一种更自然、更灵动、更人性化的 AI 打开方式
AI行业"微笑曲线"：硬件和应用盈利，大模型亏损。
随着全球客户继续将生成式AI投入使用，近期Google又将另外 84 个添加到列表中。 以下为Google发布的185个最佳人工智能用例。
大模型医疗应用还在早期，最大挑战还是在数据的处理上，国内至少还需要两到三年来解决； 创业公司还有机会，只要找到合适的切入点。这个行业只有撑死的，没有饿死的。
外科医生Dr. Lee在一次美敦力的学术讨论上说到，“外科医生和精英运动员非常相似，都在团队环境中工作，不断的重复训练已达到顶尖的成绩。但运动员往往花费更多的时间在影像室，回顾和研究过去的表现。而医生目前还没有得到足够、及时的信息反馈，以学习和提升手术技能。”
随着人工智能（AI）技术的飞速发展，特别是在生成式AI领域的突破，我们见证了许多新兴技术的诞生，它们正逐步改变着我们的生活和工作方式。
