这个能做到的话，真是一件大好事。
#机器人应用场景

大翻车！斯坦福超火机器人自曝内幕，研究者救场还受伤了，网友：放心了

#人型 #机器人 #投资 #具身智能

现在大家都在看人型机器人和具身智能，但都没搞明白投资具身机器人到底是投资什么。

现在我们看到大部分的投资，讲的故事都是说五年内会有居家性的机器人卖到消费者手上，但如果我们看现在实际的案例和学术理论这种假设是基本上没法成立的。

现在机器人技术上能解决的比较好的，就是1）如何在不同的环境能够维持平衡并且行动，这个包括轮式，双足、四足；2）还有就是不同自由度的机器臂进行预定好的，提前设置的，提前规划的移动。这种技术已经非常成熟了，所以在工业场景进行简单的搬运、组装、上下料，这个完全没有任何问题。

但是如果要进行在居家环境里面进行稍微比分拣不同东西更复杂的操作的话，现在还没有任何模型能够胜任。甚至现在去进行这些复杂动作的数积集和模型框架都不成熟。

现在generative人工智能之所以这么火，是因为在学术界有两个很大的突破，一个是attention is all you need (transformer), 另一个是latent diffusion。那大家可以想一想，在机器人和现实世界的互动中，就现在的理论知识去解决这个问题够吗？ 这个突破还没出现。

那投资人实际应该去投资的是什么呢？答案是5年前类似openai的公司，openai在过去五年期间我一直关注，大家可能忘了，他们做了很多理论的突破，都没有寻求变现，而是去验证模型本身的可行性。我第一次关注到他们是在游戏里面，他们用强化学习模型打赢了星际争霸的韩国冠军。这个没有进行任何变现的技术突破，在后来的GPT 3.5模型的收敛和人工矫正aligment效果上面是有趣大贡献的，就是大家现在所谓的RLHF。第二次关注到他们是基因序列模型，Alpha fold，这个在医疗领域，当时是轰轰烈烈的大突破，但他们也没有将它进行直接变现。第三次关注到他们是GPT3语言大模型的发布，但这个模型出来后，他们也没有进行变现。我想说的是，学术领域的突破到实际应用的落地是需要接受很长一段时间的没有任何变现的（没有任何收入的）积累。

机器未来3-5年智能化所需的能力

模拟：模型能加速模拟环境开发，连接3D开发人员，构建场景、环境，生成资产。这些GenAI资产能广泛应用于合成数据生成、机器人技能训练和软件测试；
多模态大模型接入：基于Transformer的模型能帮助机器人更好地理解周围世界，让它们可以在更多环境中工作，完成复杂任务。
机器人（重新）编程：能更简单地用简单语言定义任务和功能，让机器人更加通用和多用途，通用机器人永远要和场景适配
执行：为了提高效率，结合新颖的机械设计，比如末端执行器\灵巧手（目前成本比较高可控性还不够）提升使用工具的能力
#AI #机器人

傅利叶新一代人形机器人看上去比特斯拉
人形机器人灵活矫健
并将于本月发布，我们也许不久后可以看到
人形机器人出现在工厂，仓库，酒店，商场…🤖🦾🦿
#人形机器人#机器人#AI#CyberDaily

Invalid media: video