可靠

共 85 篇相关内容

对话 Saturday Robotics 创始人朱俊帆:机器人论文发表时,技术路线可能已经过期

对话 Saturday Robotics 创始人朱俊帆:机器人论文发表时,技术路线可能已经过期

对话 Saturday Robotics 创始人朱俊帆:机器人论文发表时,技术路线可能已经过期 在机器人行业,一篇论文正式发表时,它试图解决的问题可能已经过期了。朱俊帆把两年前的研究观念形容为「白垩纪」。 2026 年 9 月 28 日,I…

机器人都能跑马拉松了,为什么走到前台还这么难?

机器人都能跑马拉松了,为什么走到前台还这么难?

机器人越来越会动了。四足机器人爬楼梯、翻越障碍早已不新鲜。今年北京亦庄的人形机器人半程马拉松上,甚至有近四成参赛队伍采用自主导航方式。 但如果终点不是赛道上的冲线,而是某栋写字楼的前台呢? 在 Vbot(维他动力)展示的一段导航演示中,机器…

工博会的具身展台「静悄悄」

工博会的具身展台「静悄悄」

「宇树这次的展台真小。」 在今年工博会上,我们听到一位观众经过宇树科技展台时发出了这样的感慨。 当时离闭馆这一「下班时间」还有两个多小时,展台上的机器人们已经集体进入了「摸鱼」时间。没有接连不断的运动表演,自然也少了围观的人群。 而此前的 …

Jim Fan、韩松团队提出 Robota-Embed:机器人检索经验,动作比画面更关键

Jim Fan、韩松团队提出 Robota-Embed:机器人检索经验,动作比画面更关键

具身智能机器人想要复用过往操作经验,普遍会检索历史示范视频,模仿曾经成功的操作。 但传统检索大多只比对画面外观:只要桌子、物体看起来一致,就判定是匹配片段,忽略机械手当下的运动方向。同样的纸箱、同一段胶带,封箱和撕胶带两张画面几乎看不出差别…

对话启元首席科学家董豪:机器人进家之前,先把「学费」打下来

对话启元首席科学家董豪:机器人进家之前,先把「学费」打下来

今年 9 月,在智能机器人与系统国际会议(IROS 2026)期间,启元机器人与北京大学董豪团队举办了一场面向真实家庭场景的双臂操作挑战赛。参赛者利用示范数据训练模型,入围模型再部署到真实机器人上,执行开洗衣机门、装衣服、叠衣服等任务。最终…

「摔倒」方显真差距,I-BFM 把物理交互训进行为基座模型

「摔倒」方显真差距,I-BFM 把物理交互训进行为基座模型

这两年有不少惊艳的机器人搬箱子的 demo,但不知道大家是否有注意到一个细节,绝大多数 demo 里,一切都是按剧本走的。箱子摆在它该在的位置,机器人站得笔直,一遍过,没有任何干扰,甚至大部分镜头里都没有人的出现。 现实世界不是这样。手会没…

贾奎团队新作:让世界动作模型真正理解三维空间

贾奎团队新作:让世界动作模型真正理解三维空间

UNITAS 将观测、动作与场景变化统一至同一个米制三维坐标系:以点轨迹表征人手与夹爪的运动,用场景流描述场景点的位移,让世界动作模型不再单纯依靠图像推测环境演化。模型参数量仅 1.7 B,在 LIBERO 基准测试上取得 99.8 % 任…

触觉,开始争夺传感器之外的生意

触觉,开始争夺传感器之外的生意

在美国匹兹堡举行的 IROS 2026 上,Sharpa 一口气发布了三款产品:一体式触觉感知灵巧操作机器人 D01、全手触觉灵巧手 W02,以及支持触觉反馈的外骨骼数据手套 AE01。 Sharpa 联合创始人李一帆此前在接受采访时曾表示…

杨立昆 JEPA 最新论文,端到端规划的下一程在哪?

杨立昆 JEPA 最新论文,端到端规划的下一程在哪?

有关具身智能,JEPA 是世界模型内一个无法回避且值得反复讨论的技术路线。它拥有很多颇具希望的特质:更好的抗干扰能力、更高效的计算与训练效率、极低的数据标注依赖......更重要的是,JEPA 基于表征学习来捕捉物理世界的规律,从而进行实 …

对话 CONTACT 作者:从任务到表示,机器人需要什么样的触觉?

对话 CONTACT 作者:从任务到表示,机器人需要什么样的触觉?

过去几年,机器人研究关注的问题正在发生变化。 随着 sensing、learning 和 foundation model 的结合不断深入,新的问题开始出现:机器人感知到的信息,究竟哪些真正能够帮助它完成动作? 触觉正处在这个转折点。过去相…

想造 GPT 通才的年轻人,和相信专才的老将|IROS 2026 现场

想造 GPT 通才的年轻人,和相信专才的老将|IROS 2026 现场

9 月 27 日到 10 月 1 日,第 39 届 IEEE/RSJ 智能机器人与系统国际会议(IROS 2026)在大卫·劳伦斯会展中心举办。 上一次匹兹堡举办 IROS 还是在 31 年前的 1995 年,31 年里,CMU 在这里把机…

对话 Shallow-π 作者:压缩 Transformer 层级,具身模型竟做得更好?

对话 Shallow-π 作者:压缩 Transformer 层级,具身模型竟做得更好?

一个圆柱、一块正在转动的孔板,足以让两种机器人模型拉开差距。 在 Shallow π 的真实机器人实验中,任务要求机械臂拿起圆柱,插入移动中的小孔。层数更多的大模型,可能在等待计算结果的过程中错过位置;一个层数更少、输出接近它的小模型,却能…