AI资讯新闻榜单内容搜索-机器人

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
搜索: 机器人
Meta 公布机器人触觉感知能力研究成果:利用手指传感器结合“AI 大脑”理解 / 操作外界物体

Meta 公布机器人触觉感知能力研究成果:利用手指传感器结合“AI 大脑”理解 / 操作外界物体

Meta 公布机器人触觉感知能力研究成果:利用手指传感器结合“AI 大脑”理解 / 操作外界物体

Meta 发布新闻稿,介绍了旗下 FAIR(基础人工智能研究)团队对于机器人触觉感知能力的研究情况,这项研究旨在让机器人通过触觉方式进一步理解和操作外界物体。

来自主题: AI资讯
7778 点击    2024-11-04 21:21
清华赵明国:智能人形机器人≠智能+人形 | 智者访谈

清华赵明国:智能人形机器人≠智能+人形 | 智者访谈

清华赵明国:智能人形机器人≠智能+人形 | 智者访谈

2024 年,人形机器人领域迎来爆发式增长。特斯拉 Optimus 的持续迭代、OpenAI 对 1X 的战略投资,众多初创公司异军突起,以及包括 Mobile ALOHA 在内学术界的不断创新,共同描绘出一幅激动人心的未来图景。

来自主题: AI资讯
5686 点击    2024-11-04 17:05
Jim Fan全华人团队HOVER问世,1.5M小模型让机器人获「潜意识」!

Jim Fan全华人团队HOVER问世,1.5M小模型让机器人获「潜意识」!

Jim Fan全华人团队HOVER问世,1.5M小模型让机器人获「潜意识」!

来自英伟达、CMU、UC伯克利等的全华人团队提出一个全新的人形机器人通用的全身控制器HOVER,仅用一个1.5M参数模型就可以控制人形机器人的身体。人形机器人的运动和操作之前只是外表看起来类人,现在有了HOVER,连底层运动逻辑都可以类人了!

来自主题: AI技术研报
4468 点击    2024-11-04 17:02
英伟达团队机器训练新方法!仅5次演示让机器生成1000个新demo,李飞飞高徒与徒孙联手出品

英伟达团队机器训练新方法!仅5次演示让机器生成1000个新demo,李飞飞高徒与徒孙联手出品

英伟达团队机器训练新方法!仅5次演示让机器生成1000个新demo,李飞飞高徒与徒孙联手出品

人类只需要演示五次,就能让机器人学会一项复杂技能。英伟达实验室,提出了机器人训练数据缺乏问题的新解决方案——DexMimicGen。

来自主题: AI技术研报
7485 点击    2024-11-04 15:36
2024 AI年度报告发布,附十大预测:人形机器人热度下降,英伟达维持霸主地位

2024 AI年度报告发布,附十大预测:人形机器人热度下降,英伟达维持霸主地位

2024 AI年度报告发布,附十大预测:人形机器人热度下降,英伟达维持霸主地位

AI技术日新月异,像Netflix这样的大公司已经开始用AI制作特效,而新的AI模型也在游戏和科学研究中超越了人类。未来一年,我们可能会看到没有编程技能的人也能创造热门应用,甚至AI创作的歌曲也可能登上音乐排行榜前十。

来自主题: AI技术研报
6100 点击    2024-11-03 14:55
速递|Claude AI发布桌面端,移动端添加对听写的支持

速递|Claude AI发布桌面端,移动端添加对听写的支持

速递|Claude AI发布桌面端,移动端添加对听写的支持

Claude ,由 Anthropic 制作的 AI 聊天机器人,现在有了桌面应用程序。您可以从Anthropic 的网站免费下载 Mac 和 Windows 版本的应用程序。

来自主题: AI资讯
3983 点击    2024-11-02 19:59
3B模型打通机器人任督二脉!冲咖啡叠衣服都能干,7种形态适配,OpenAI也投了

3B模型打通机器人任督二脉!冲咖啡叠衣服都能干,7种形态适配,OpenAI也投了

3B模型打通机器人任督二脉!冲咖啡叠衣服都能干,7种形态适配,OpenAI也投了

只要一个3B参数的大模型,就能控制机器人,帮你搞定各种家务。 叠衣服冲咖啡都能轻松拿捏,而且全都是由模型自主控制,不需要遥控。 关键是,这还是个通用型的机器人控制模型,不同种类的机器人都能“通吃”。

来自主题: AI技术研报
5473 点击    2024-11-02 19:06
NeurIPS 2024 | 机器人操纵世界模型来了,成功率超过谷歌RT-1 26.6%

NeurIPS 2024 | 机器人操纵世界模型来了,成功率超过谷歌RT-1 26.6%

NeurIPS 2024 | 机器人操纵世界模型来了,成功率超过谷歌RT-1 26.6%

对于人类而言,一旦掌握了 “打开瓶盖” 的动作,面对 “拧紧螺丝” 这样的任务通常也能游刃有余,因为这两者依赖于相似的手部动作。然而,对于机器人来说,即使是这样看似简单的任务转换依然充满挑战。例如,换成另一种类型的瓶盖,机器人可能无法成功打开。这表明,目前的机器人方法尚未充分让模型学习到任务的内在执行逻辑,而只是单纯的依赖于数据拟合。

来自主题: AI技术研报
8223 点击    2024-11-01 13:05