华为杨超斌：高品质低成本开源大模型的发展，必将催生多样化应用创新

华为杨超斌：高品质低成本开源大模型的发展，必将催生多样化应用创新 3月3日，在MWC25巴塞罗那期间举办的产品与解决方案发布会上，华为董事、ICTBG CEO杨超斌表示，高品质低成本开源大模型的发展，必将催生多样化应用创新，推动智能世界加速到来。可以预见，AI将从三个维度重构社会图景：赋能个人实现差异化业务体验、驱动组织向智能化协作演进、助推社会向AI普惠化升级。应用场景裂变和技术的演进，为IC…… - 电报频道 - #娟姐新闻: @juanjienews

研究：新方法有望制造性能更好的低成本光电材料

研究：新方法有望制造性能更好的低成本光电材料 一项新发表在英国《自然》期刊上的国际研究表明，用一种新方法对半导体材料氧化亚铜进行“扭曲”后，发现其捕获光能后转化为可用电能的性能提升70%。这种方法有望制造性能更好的低成本光电材料。 新华社报道，铜氧化物是价格低廉、储量丰富的半导体材料，具有良好的导电性和光学性能，可用于制造太阳能电池、光电器件、传感器等。铜氧化物虽然在捕捉阳光并将其转化为电荷方面相当有效，但容易丢失电荷，材料性能有限。 研究人员说，他们发现电荷在这种半导体材料中沿着对角线方向移动时，比沿着表面或边缘移动要远得多，而能让电荷移动得更远就意味着材料性能更好。 为优化这种低成本材料的性能，研究人员利用薄膜沉积技术，在常温常压下制备出高质量的氧化亚铜晶体薄膜，通过精确控制晶体的生长和流速，使晶体的生长方向“扭向”对角线方向，并观察晶体的生长方向如何影响电荷在材料中的有效移动。 他们发现，对这种新技术制造的氧化亚铜光电阴极的测试表明，与现有的电沉积氧化物制成的光电阴极相比，性能提高70%以上，同时晶体薄膜稳定性也显著提升。 2024年5月5日 1:55 PM

李飞飞团队发表低成本AI训练研究引争议

李飞飞团队发表低成本AI训练研究引争议 李飞飞团队近日发表论文称以50美元训练出推理模型s1，性能接近OpenAI等顶尖产品。经调查，该模型实为基于阿里云通义千问(Qwen)模型的微调成果，训练样本仅1000条。 业内专家指出，s1模型实为在通义千问基座模型上的微调成果，该研究利用了通义模型已具备的强大推理能力，新增训练数据仅起优化作用。业内专家强调，这与从零训练全新模型有本质区别。 阿里云证实，该团队以阿里通义千问Qwen2.5-32B-Instruct开源模型为底座，在16块H100GPU上监督微调26分钟，训练出新模型s1-32B，取得了与OpenAI的o1和DeepSeek的R1等尖端推理模型数学及编码能力相当的效果，甚至在竞赛数学问题上的表现比o1-preview高出27%。

从梦想到现实：低成本、碳中性生物燃料终成现实

从梦想到现实：低成本、碳中性生物燃料终成现实 加州大学洛杉矶分校的 Charles Cai 和一个新安装的 20 加仑 CELF 反应器，该反应器将用于放大项目。图片来源：Stan Lim / UCR生物燃料要想与石油竞争，生物精炼操作的设计必须更好地利用木质素。木质素是植物细胞壁的主要成分之一。它为植物提供了更高的结构完整性和抵御微生物侵袭的能力。然而，木质素的这些天然特性也使其难以从植物物质（也称为生物质）中提取和利用。加州大学河滨分校副研究员 Charles Cai 说："木质素利用是以最经济、最环保的方式从生物质中提取所需物质的关键。设计一种能够更好地利用生物质中的木质素和糖的工艺，是这一领域最令人兴奋的技术挑战之一"。为了克服木质素障碍，Cai 发明了 CELF，即共溶剂增强木质纤维素分馏技术。这是一种创新的生物质预处理技术。"在生物质预处理过程中，CELF 使用四氢呋喃或 THF 来补充水和稀酸。它提高了整体效率，并增加了木质素提取能力，"Cai 说。"最重要的是，四氢呋喃本身可以用生物质糖类制成。"CELF 在经济和环境方面的优势一篇具有里程碑意义的《能源与环境科学》论文详细介绍了 CELF 生物精炼厂与石油燃料和早期生物燃料生产方法相比，在多大程度上具有经济和环境效益。这篇论文由加州大学洛杉矶分校蔡的研究团队、橡树岭国家实验室管理的生物能源创新中心（Center for Bioenergy Innovation）和美国国家可再生能源实验室（National Renewable Energy Laboratory）合作完成，由美国能源部科学办公室提供资金支持。其中，研究人员考虑了两个主要变量：哪种生物质最理想，以及提取木质素后如何处理。加州大学河滨分校副研究员查Charles Cai发明了生物质预处理技术 CELF，该技术可使下一代生物燃料与石油燃料竞争。图片来源：Stan Lim / UCR第一代生物燃料生产使用玉米、大豆和甘蔗等粮食作物作为原材料或原料。由于这些原料占用了粮食生产所需的土地和水资源，用它们来生产生物燃料并不理想。第二代操作使用非食用植物生物质作为原料。生物质原料的例子包括制粉过程中产生的木材残渣、甘蔗渣或玉米秸秆，这些都是林业和农业生产过程中大量的低成本副产品。根据能源部的数据，仅在美国，每年就有多达 10 亿吨的生物质可用于制造生物燃料和生物产品，能够替代 30% 的石油消耗，同时还能创造新的国内就业机会。研究人员发现，与碳密度较低的玉米秸秆相比，CELF 生物精炼厂能更充分地利用植物物质，从而产生更大的经济和环境效益。研究人员通过在 CELF 生物精炼厂中使用杨木，证明了可持续航空燃料的生产成本可低至每加仑汽油当量 3.15 美元。而目前美国每加仑航空燃料的平均价格为 5.96 美元。美国政府以可再生识别码信用额度的形式发放生物燃料生产信用额度，这是一种旨在促进国内生物燃料生产的补贴。为第二代生物燃料发放的 D3 级信用额度通常以每加仑 1 美元或更高的价格进行交易。该文件表明，按照这个价格，人们可以预期从这项业务中获得 20% 以上的回报率。Cai说："与玉米秸秆这样的廉价原料相比，多花一点钱购买杨树这样碳含量更高的原料仍然能产生更多的经济效益，因为你可以用它制造更多的燃料和化学品。"该论文还说明了木质素的利用如何在保持尽可能低的碳足迹的同时，对整个生物精炼厂的经济效益做出积极贡献。在旧的生物精炼模式中，生物质是在水和酸中煮熟的，木质素除了其热值外大多无法利用。老式的生物炼油厂会选择燃烧木质素来补充热量和能源，因为它们大多只能利用生物质中的糖分这是一个成本高昂的提议，会使很多价值落空。除了更好地利用木质素，CELF 生物炼制模型还建议生产可再生化学品。这些化学品可用作生物塑料和食品饮料调味化合物的基本成分。这些化学品吸收了植物生物质中的部分碳，而这些碳不会以二氧化碳的形式释放回大气中。"添加四氢呋喃有助于降低预处理的能源成本，并有助于分离木质素，这样就不必再焚烧木质素了。除此之外，我们还可以制造可再生化学品，帮助我们实现近乎零的全球变暖潜能值，"Cai 说。"我认为这将从第二代生物燃料迈向第二+代生物燃料。"鉴于该团队最近取得的成功，能源部生物能源技术办公室向研究人员提供了 200 万美元的资助，用于在加州大学洛杉矶分校建立一个小规模的 CELF 试验工厂。蔡希望通过试验工厂的示范，促成对该技术的更大规模投资，因为利用化石燃料产生的能源会加剧全球变暖并对地球造成伤害。"十多年前，我开始从事这项工作，因为我想产生影响。我想找到化石燃料的可行替代品，我和我的同事们已经做到了，"Cai 说。"利用 CELF，我们已经证明有可能从生物质和木质素中制造出具有成本效益的燃料，并帮助遏制我们向大气中的碳排放。"编译自:ScitechDaily ... PC版： 手机版：

斯坦福爆火家务机器人升级二代：双手稳到能偷钱包 成本降至19万

斯坦福爆火家务机器人升级二代：双手稳到能偷钱包 成本降至19万 开可乐平稳倒可乐都是小case：连不带吸管的便利店牛奶都能轻而易举成功打开：那就更不用多说将玩具放进三个不同碗里这样的简单操作了：而且还能玩抛物游戏：网友们看了直呼excitng！据作者透露，这一套设备的成本是2万7千美元。具体的论文和线上教程，目前都已发布。有哪些新升级？ALOHA2首先改进了机器人的夹持器，让它们能够抓得更牢、更稳。利用低摩擦的轨道设计，能向夹持器顶端输出原本2倍的力。同时还改变了握带的布局，提升抓取小物体的能力。并且取代了ALOHA原有的剪刀导轨式机械手设计，采用低摩擦轨道设计，降低机械复杂性，让遥控操作更流畅。其次，改善了前臂的重力补偿。用一个恒力牵引器和一个弹簧滑轮系统，机械臂可以在更多空间活动、悬停，比原来使用的橡皮筋更牢固。最后，还在保留必需摄像头安装点的情况下，简化了框架周围的工作单元，这让人机合作有更大的空间。同时这一次还发布了一个ALOHA sim模型，可以在没有硬件设备的情况下，在Mujoco中用ALOHA完成复杂任务。ALOHA是啥？ALOHA最初是由斯坦福等推出的一个双机械手远程操作的低成本开源硬件系统。今年1月，斯坦福团队升级版机器人控制方案Mobile ALOHA。让它能做各种家务，当时在网络上爆火。ALOHA支持真人遥控操作和全自动两种工作模式。前不久发布的Mobile ALOHA在堆满家具的复杂环境中，机器人系统仅通过少量的人类示教，就学会了各种复杂移动操纵任务，如叫电梯、开柜门、擦桌子等。学习过程中，移动底座的速度与双手的14自由度等操纵信息，一同作为示范算法的输入，和ALOHA静态数据一起对系统进行联合训练。而且该系统不仅兼容多种示教学习算法，而且对于用户而言，掌握教学的方法也十分容易。而如果采用真人操作，可以做出更为复杂的菜色。值得一提的是，当时Mobile ALOHA爆火后，作者随后放出的翻车集锦也引发巨大关注。“显然机器人还没有做好接管这个世界的准备doge”不过如今随着ALOHA 2的最新升级，大家对于机器人做家务，又能有更多期待了~ ... PC版： 手机版：

叠衣服、擦案板、冲果汁……能做家务的国产机器人终于要来了

叠衣服、擦案板、冲果汁……能做家务的国产机器人终于要来了 折叠衣物（3 倍速播放）：对柔性物体的操作长久以来都是困扰整个 manipulation 领域的难题，需要高度灵活的操作和精细的动作协调。切火腿（2 倍速播放）：复杂的摩擦和阻力，难以用传统方法快速建模，需要精确的力度控制与物体定位。切黄瓜，2 倍速播放：在一种物体上习得的能力直接泛化到不同物体的操作上。用海绵擦掉案板上的污渍（2 倍速播放）：自修正的 close loop 控制能力，在不同压力和表面条件下的精细力度控制，实时检测并调整擦拭动作，确保彻底清洁污渍。用勺子从罐子里取出适量的果汁粉（3 倍速播放）：使用工具的过程中，处理复杂的摩擦一直以来都是极大难点。冲果汁，举起水壶往杯中倒入适量的水（3 倍速播放） ：流体引入大量的随机性，准确操作非常困难。这家去年底成立的公司，汇聚了来自世界著名人工智能 / 机器人学实验室以及国内外顶尖高校的优秀人才，拥有雄厚的科研背景。公司的目标是“将人类从无意义的体力劳动中解放出来”，专注于机器人领域的基础模型（foundation model）研发。目前，团队正在构建一个具备从感知到行动的端到端能力的通用机器人大模型（“中枢神经”），目标是能够控制低成本硬件（如数千元的机械臂），完成包括烹饪、打扫卫生在内的日常家务，并在未来扩展到照顾老人和小孩等更复杂的家庭护理工作，以及完成其他达到人类水平的通用操作任务。基于具身智能大模型，开发通用机器人平台尽管机器人管家是人类对智能未来最具代表性的畅想，但在现实生活中，能够胜任家务劳动的通用服务机器人几十年来的发展一直困难重重。家庭环境的多样性和不可预测性要求机器人具备高度复杂的感知能力、灵活精确的机械操作、智能的决策和规划，以及有效的人机交互能力。此外，技术的集成、机器人的安全性、续航能力、成本等，也是必须克服的重要障碍。传统的机器人通常采用基于规则和单一任务环境的方式，很难根据环境变化自主调整策略，从长远看也几乎不可能规模化。大语言模型（LLM）等人工智能技术的突破，为机器人领域带来了新的曙光。Google的 RT-2 系统将视觉-语言-动作模型与机器人技术相结合，使机器人能够处理复杂场景，并响应人类的指令。DeepMind 的 AutoRT 系统则使用视觉-语言模型（VLM），帮助机器人适应未知环境，并利用 LLM 来为机器人提供指令。大模型在知识迁移和泛化方面的这些优势，有望帮助机器人逼近甚至超越人类的水平。X Square 认为，目前机器人领域正处于技术的代际更迭之际。 斯坦福 ALOHA 等项目表明，通用机器人发展的瓶颈在于智能而非硬件。事实上，机器人领域长期以来面临的两大困难，一是如何在复杂环境中精确感知并做出精细的操作（low level 智能），二是缺乏类似人类的推理、规划、交互等高级认知能力（high level 智能）。从感知到行动，机器人的智能可以被视为一个从 high level 逐步到 low level 的决策过程。大模型的出现为解决上述难题带来了新思路。运用 LLM 或 VLM 来进行高阶推理与规划、与人交互，已经成为业界公认的发展方向。但是，直接用单一的大模型来驱动端到端的机器人 manipulation，目前尝试的团队还不多。X Square 的独特之处便在于此，团队基于过往在模型、算法、系统、硬件等方面的科研成果积累，集合所有技能训练“机器人 Large Manipulation Model”，从手部操作切入，基于具身大模型来构建可以精细操作的通用机器人。团队希望结合 high-level 的推理规划模型与 low-level 的操作控制模型，打造一个类似“机器人大脑-小脑”的通用操作系统。“我们公司名为 X Square，寓意要同时在 high level 推理和 low level 控制这两个维度做大模型，并把两者有机结合。目前我们在两个方向都已有不错的基础，有信心在一年内从追赶到超越目前的世界领先水平。”X Square 指出：“与腿的移动能力相比，手的操作能力包含了更丰富和复杂的动作，要求更高级别的控制精度。人类手部的精细操作是我们智能的根本表现。”不同于很多人形机器人公司关注对人体形态的模仿，X Square 更关注实现接近人类的功能。“采用轮式移动底盘搭配双臂，可以大幅降低成本，2-3 年内整体硬件成本有望降至 1 万美元以下，我们认为放弃 5% 的人形功能来换取数量级的成本优势是值得的。”软硬件一体，驱动数据飞轮“我们希望模型拥有怎样的能力，就需要提供给模型什么样的数据。是数据，而非算法或结构决定了模型的能力，这是当今时代的核心方法论。”机器人的特殊性在于，它是一个具有前所未有复合性的综合系统。相比纯软件的 LLM 和多模态大模型，具身智能大模型虽然在规模上暂时无法与之相比，但在工程上难度要高出许多，它必须在海量的真实和模拟场景中不断实践、学习。因此，能否找准技术方向，在降低开发成本和提高迭代效率的同时，打造高质量的数据采集能力，控制试错成本，最终实现规模化，是决定成败的关键因素。这对团队软硬一体的能力提出了很高的要求，因为是否具有足够的软硬结合能力，在机器人这一多模态集中融合的领域直接关系到迭代速度与数据质量。软硬件一体发展，是 X Square 的核心理念。无论是机器人本体的形态设计，还是数据采集系统，都是为机器人“中枢神经系统”的开发在服务。在模型算法设计上，X square 也有自己独特的理解和创新。“除了需要有专门的数据，还需要针对性的结构设计和训练方法，不能单纯套用其他领域的大模型经验，因为它必须直接面对复杂的真实世界，要在真实世界中不断实践、迭代。”同时，由于大模型与传统 deep learning for robotics 具有相当的 gap，是否真正具备足够的大模型训练落地经验，决定了能否快速构建通用具身智能大模型。这也正是 X Square 的优势所在。“目前语言大模型的训练预测架构在机器人上不完全work，以 Transformer 为底座算法模型不能很好地支持因果关系的推理，而因果性在机器人所在的物理世界中大量出现，并在机器人操作中起关键作用。为了处理因果性，目前有很多 world model 的尝试。但当前的世界模型要么完全集中在图像 / 视频重建上（如 Sora），要么完全集中在高层语义理解上，缺乏适合机器人的形态。”X Square 笃定机器人大模型这个方向，一方面是基于团队成员亲历深度学习从被质疑到一统江湖，以及 LLM 从默默无闻到大放异彩的技术浪潮，另一方面，也是看好中国作为全球硬件中心，拥有得天独厚的产业链优势，也有利于快速缩短机器人的研发周期。团队在不到 3 个月的时间里，就完成了技术架构的搭建和早期模型的训练，展现出惊人的成长速度和卓越的工程能力。“在现阶段，我们也积极寻求与上下游合作伙伴的协作，实现智能的迭代升级。未来，随着具身智能大模型技术的日益成熟，我们会更聚焦于特定应用场景，推出自己的机器人产品，例如能完成做饭、打扫等复杂家务的机器人保姆，甚至进行老年人康养护理等服务。”X Square 表示。 ... PC版： 手机版：