搜索
来自 Sharpa、清华大学、UC Berkeley、上海交通大学、ETH Zurich 等机构的研究者提出了首个通用触觉基础策略 FTP-1。它基于约 3,000 小时、来自 26 个数据来源和 21 种触觉传感器的数据进行预训练
被一道数学竞赛题卡住很久时，高手往往能准确地判断：现在缺的是一个技术细节，还是整个思路从一开始就走错了？
公司由姚颂联合正大集团、清华青年学者于超共同发起，定位为物理智能系统公司，通过世界动作模型（WAM）与强化学习技术，推动机器人在真实商业与工业场景中落地，最终成为一个可信赖的机器人服务提供商。目前已完成近亿美元天使轮系列融资，投资方包括正大集团、华勤技术、九安医疗等多家上市企业，多位国内与国际知名企业家，以及多家一线投资机构。
近日清华大学于IEEE TPAMI发表论文，探讨了真机强化学习的安全性保障问题，提出了一套「安全探索均衡」新型机制，揭示了安全探索的理论最大边界，并攻克了其收敛性证明难题。
当 AI 智能体真正开始干活，它的每一次请求，都要经过一个你看不见的「中间人」。
机器狗去买咖啡，轮椅跟人抬杠：清华现场0遥操、全靠现挂。完全没有剧本，在清华现场，这群机器人直接把物理AGI第一幕演活了！
在机器人、自动驾驶、AR等真实场景中，空间理解从来都不是“看一眼图像”就能解决的问题。
NANO滤波器是一种新的非线性贝叶斯状态估计方法，它不依赖线性化模型，而是将预测和更新步骤转化为优化问题。这种方法在高斯分布空间中使用自然梯度，更精确地逼近最优后验，同时利用Stein引理避免显式求导，提升鲁棒性。
来自博世中央研究院与清华大学的研究人员提出 FunctionEvolve 框架，在两大基准测试上大幅刷新了这项任务的结果。在 LLM-SRBench 的 129 个合成科学方程任务上，FunctionEvolve 最终给出的公式在 55.8% 的任务上与真实公式等价（SA@1 = 72/129），是此前最好结果的 3.6 倍；
香港大学李弘扬团队联合华为、上海创智学院及清华大学李升波教授团队，发表的最新论文World Engine: Towards the Era of Post-Training for Autonomous Driving给出了系统回答。