华为云发布盘古具身智能大模型：“夸父”人形机器人亮相

华为云发布盘古具身智能大模型：“夸父”人形机器人亮相 据介绍，盘古大模型能够让机器人完成10步以上的复杂任务规划，并且在任务执行中实现多场景泛化和多任务处理。同时盘古大模型还能生成机器人需要的训练视频，让机器人更快地学习各种复杂场景。大模型的多模态能力以及思维能力的快速提升，使机器人能够模拟人类常识进行逻辑推理，并在现实环境中高效精准地执行任务，从而有效解决了复杂环境感知与物理空间认知的难题。通过集成多场景泛化和多任务处理能力，不论是生活场景还是工业场景，都能游刃有余的应对。大会现场展示中，“夸父”可以通过识别物品、问答互动、击掌、递水等互动演示，直观展示了双方基于盘古大模型的合作成果。通过模仿学习策略显著提升了人形机器人的双臂操作能力，实现了软硬件层面的协同优化，不仅增强了机器人综合性能，还克服了小样本数据训练的局限性，推动了泛化操作能力的边界。张平安在大会上表示，除了人形机器人，盘古具身智能大模型还可以赋能多种形态的工业机器人和服务机器人，让它们帮助人类去从事危险和繁重的工作。具身智能大模型可以让机器人作用更加广泛，未来真正实现让AI机器人帮助我们去洗衣、做饭、扫地，让我们有更多的时间去看书，写诗，作画。 ... PC版： 手机版：

基于Golang模块化完整的基础设施框架，创建现代化Web应用和APIs | 特征：

基于Golang模块化完整的基础设施框架，创建现代化Web应用和APIs | 特征： Unified configuration：所有配置都合并为. /farseer.yaml Elegant：所有模块都遵循开发者体验第一的原则。 Modularity：提供完整的模块化系统，允许您开发可重用的应用程序模块。 Domain-driven：帮助您实现基于DDD的分层架构，构建可维护的代码库。 link tracking（下个版本即将推出）：如果你使用框架Orm、Redis、Http、Grpc、ES、MQ、EventBus、Task、fSchedule，会隐式为你实现链接跟踪并提供API请求日志、慢速查询。 结合（自动构建、链路追踪控制台、K8S集群日志采集）支持代码非侵入式全链路实时监控。

– 创建可重现、可维护和模块化的数据科学代码 。

– 创建可重现、可维护和模块化的数据科学代码 。 Kedro 是一个开源 Python #框架 ，用于创建可重现、可维护和模块化的数据科学代码。 它借鉴了软件工程的概念并将其应用于机器学习代码； 应用的概念包括模块化、关注点分离和版本控制

我觉得现在要去投资一家具身智能机器人公司，对于有自知之明的投资人来说，实际上是一家去做学术理论研究的公司，但实现在的中国的资本市

我觉得现在要去投资一家具身智能机器人公司，对于有自知之明的投资人来说，实际上是一家去做学术理论研究的公司，但实现在的中国的资本市场环境下面有哪家创业公司能够这么去融资、又有哪些投资人是能够接受这样的故事？五到10年都不会有任何meaningful变现和收入的，更不要提上市和退出了。显然现在也没有任何机器人创业公司是这么跟投资沟通的。 像网红小哥哥说人形机器人的硬件成本能够降到多低，那都毫无意义的，因为他硬件成本降到多低了，他也没法实现居家环境中，实际需要这些机器人完成的任务。

一个基于 Nvidia Isaac Gym 的易于使用的强化学习 (RL) 框架，旨在训练人形机器人的运动技能，强调从模拟到现实

一个基于 Nvidia Isaac Gym 的易于使用的强化学习 (RL) 框架，旨在训练人形机器人的运动技能，强调从模拟到现实环境的零样本迁移。Humanoid-Gym还集成了从Isaac Gym到Mujoco的sim-to-sim框架，允许用户在不同的物理模拟中验证训练好的策略，以确保策略的鲁棒性和泛化性。 该代码库由 RobotEra 的 XBot-S（1.2 米高的人形机器人）和 XBot-L（1.65 米高的人形机器人）在现实环境中进行了验证，具有零样本模拟到真实的传输。 | #框架

#人型 #机器人 #投资 #具身智能

#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。