昨天一篇斯坦福大学的家务机器人比较火

昨天一篇斯坦福大学的家务机器人比较火dji宣布退出k12教育智元机器人与北大开始合作机器人圈(好吧我非常讨要说圈,为什么要说呢,因为我想说一下我讨要说圈)这是机器人相关的比较有意思的三件事。斯坦福大学的家务机器人工作很有启发意义,但是复现难度不会太大。距离真的可以用还有较长一段时间。有启发意义的事情是,这玩意儿不是编程编出来的,而是手把手教的。他的后方有两个采集人手以及手臂动作的机械臂。在人完成了一系列复杂动作50次后,可以有90%的成功率让机器人去【学会】这个动作,这也就是论文的启发性。首先这个东西是没有移动机构的,也就是他不能在家里自由的移动。为什么要特意强调这一点,因为对于机械臂形的机器人来说,没有移动机构意味着,他的底盘相对来说是比较重的。而且有了移动机构之后,能否仍然如此顺滑地做家务而不是抖来抖去这就不太清楚了。机器人的机械结构没有特别大的进步,这里就是纯废话了,因为机械臂真的发展的特别完善,现在在走小型化,轻量化的路线,让机械臂变成一个消费级的产品。值得注意的是很多up主已经开始使用机械臂辅助拍摄,效果还是不错的。这里cue一个国产机械臂厂商,方舟无限,怎么说呢,如果方舟无限现有的机械臂去实现斯坦福大学家务机器人做出来的事情是没有什么压力的,但是该公司的算法能不能支持就存疑了。(基本不能,但是他家机械臂真的很好用)dji推出了k12教育,机器人在k12,尤其是国内的k12缺乏一些力量的最大原因还是对升学没有什么帮助。不像少儿编程,还能参加信息竞赛(不过信息竞赛也由于一些时间上的问题对升学的帮助越来越低)机器人在国内缺乏一个被教育部认可的竞赛。不过在国际上还是有的那就是赫赫有名的FRC机器人比赛。这个比赛拿到比较好的名次对于申请藤校还是有很大帮助的,包括机器人教育本身也很费钱,(虽然说费钱但是和补习班比起来我感觉后者就是细水长流但是钱堆起来还是比机器人费的多一点不知道)。由于这玩意儿打出来除了申请国外学校以外没什么别的作用,而申请国外学校,尤其是美本还是比较贵的,所以市场一直不大,(但是客单价很高)。考虑到德国一些学校也认,或许也是一条出路(划掉)。dji对于本科机器人教育的投资并没有说是不是要砍掉,这里又有一段故事我们下次再说。这里就不得不提优必选了,一个人形教育机器人,随着每个高校都有了一堆吃灰的优必选机器人展示在学生创新中心的犄角旮旯里,难说还有什么别的市场。虽然我对人形机器人会首先在中国出现深信不疑的主要原因就是智元机器人的存在,但是这家公司和北大这么快就合作了也是让我感觉到很神奇。高山仰止吧。出于我朴素的爱国主义和浅陋的见识,我相信且认为,中国未来出现一个庞大的机器人产业。但是我也更加希望,这样的庞大产业是与庞大的市场相互匹配的。我工作还指望这个呢!祝大家新年快乐哈。

相关推荐

封面图片

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ALOHAsim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MobileALOHA。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MobileALOHA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MobileALOHA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ALOHA2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:https://www.cnbeta.com.tw/articles/soft/1417071.htm手机版:https://m.cnbeta.com.tw/view/1417071.htm

封面图片

斯坦福大学发布开源远程操作机器人系统 ALOHA

斯坦福大学发布开源远程操作机器人系统ALOHA是一个低成本的开源硬件系统,可用于双手远程操作机器人执行精细任务(例如给线缆轧带或剥鸡蛋壳)、动态任务(例如颠乒乓球)以及接触式丰富的任务(例如给自行车上链条)。作者TonyZhao基于Transformer开发了一种动作学习算法,ALOHA可以直接从实际演示中执行端到端的模仿学习,然后自主完成相同或类似的任务,也可根据实时反馈调整动作以适应不同的环境和情况。以往执行这些任务通常需要高端机器人、精确的传感器或仔细的校准,这可能既昂贵又难以设置,而ALOHA开源了有关设置的所有内容,并准备了详细教程,任何人都可以3D打印组件然后运行现成的机器人。——投稿:@ZaiHuabot频道:@TestFlightCN

封面图片

斯坦福大学新研究 或将实现用意念控制AI机器人

斯坦福大学新研究或将实现用意念控制AI机器人为了解码大脑信号,研究人员选择使用脑电图(EEG)。然而,由于复杂的行为涉及选择物体、决定如何拾取、决定如何处理以及最终执行动作等方面,EEG的解码相对困难。为了解决这个问题,NOIR模型包括两个关键组件:模块化目标解码器和执行动作的机器人。这样的设计使得通过大脑信号想象的动作能够被准确地传达给机器人,实现了对机器人的思维操控。NOIR的突破为身体受损的人们带来了新的可能性,使他们能够独立地控制周围环境,过上与其他人无异的生活。这一技术的进步不仅在科技领域引起了极大关注,也在人机交互和康复领域具有潜在的广泛应用。总的来说,NOIR模型的出现标志着大脑与机器人之间沟通的新时代的开始。这一突破性的技术将为未来的科技发展开辟新的方向,为社会的发展带来更多可能性。...PC版:https://www.cnbeta.com.tw/articles/soft/1400019.htm手机版:https://m.cnbeta.com.tw/view/1400019.htm

封面图片

解读斯坦福Aloha机器人:视频为何是“假的”?能做家务的还有多远?-Vol41 - 脑放电波

新节目上线,主要这些内容,欢迎大家听哈-刷屏的斯坦福机器人研究(Mobile-Aloha)都有什么亮点?为什么刷屏的新闻竟然是“假的”?-理解一些技术原理:机器人怎么和大语言模型结合;具身智能具体是怎么回事儿;-为什么用上论文里面的机器人这么难?为什么说机器人行业“不像朝阳行业”-我们距离家里有一台机器人,还有多远?哪些技术是关键?

封面图片

关于【宇树】新出的机器人unitree G1

关于【宇树】新出的机器人unitreeG1有两个比较吸引人的点,完成度相对较高和相对较低的价格1.先说最大的差别,就是腿是不是反弓,人形机器人的腿有两种不同的形式,一种是鸵鸟腿,一种是人腿。宇树在自己的H1产品中就使用了人腿形的机器人。2.反弓最大的优势是在电机的集成度上,也就是可以把电机最大程度的集约到核心区域。这样对于电机的性能要求会有所降低。3.但是宇树的核心就在于电机的性能和性价比很不错。4.所以这也是机器人公司的盈利手段,人形机器人相比于真的有什么产品力而言。卖电机的收益也不会小。5.很多人会觉得这样的机器人如果会做饭用在家里还是不错的,但是我们主要到宇树最后的小字,不要靠的太近,这也是刚体机器人的一个重要安全隐患,电机容易抽搐和发疯,随时随地给你来一个地板动作也不是不可能。6.所以具身智能(人形机器人),的投资大头还是我们熟悉的汽车产业。7.机械臂的大规模发展,资金就是来源于汽车产业。而现在的机器人学,基本上是建立在机械臂的基础上的。所以与其说咱看到一个两条腿,两个胳膊的机器人,不如说是四条机械臂连在一起(划掉)8.最后一个不成熟地展望,具身智能,会成为载人航天,尤其是载人登月,的先驱。相比于地球的环境,月球的低重力环境,和比较严酷的环境,更加适合机器人选手。

封面图片

斯坦福大学推出DetectGPT 帮助教育工作者反击ChatGPT生成的论文

斯坦福大学推出DetectGPT帮助教育工作者反击ChatGPT生成的论文最近,斯坦福大学的一个研究小组提出了一种名为DetectGPT的新方法,旨在成为打击高等教育中生成文本的首批工具之一。该方法是基于这样的想法:由LLM生成的文本通常在模型的对数概率函数的负曲率区域的特定区域徘徊。通过这种洞察力,该团队开发了一种新的标准用于判断文本是否是机器生成的,这并不依赖于训练人工智能或收集大型数据集来比较文本。这种方法被称为"zero-shot",允许DetectGPT检测机器写的文本,而不需要了解用于生成文本的人工智能。它的操作与其他需要训练"分类器"和真实及生成段落数据集的方法形成鲜明对比。该团队在AI自动生成新闻文章的数据集上测试了DetectGPT(大概是去年CNET的一些文章),它在检测机器生成的文本方面的表现优于其他方法。具体来说,他们发现DetectGPT提高了对20B参数GPT-NeoX生成的新闻文章的检测准确性,从基线GPT-NeoX的0.81AUROC提高到DetectGPT的0.95AUROC,检测性能有了实质性的提高,并表明DetectGPT可能是一种有前途的方法,可以仔细检查识别机器生成的文本。DetectGPT是一种检测机器生成的文本的新方法,它利用了LLM生成的文本的独特特征。它是一种不需要任何额外数据或训练的零散方法,使其成为识别机器生成的文本的高效和有效工具。随着LLM的使用继续增长,检测机器生成的文本的相应系统的重要性将变得越来越关键,可以在许多领域产生重大影响,它的进一步发展可能对许多领域都有利。了解更多:https://ericmitchell.ai/detectgpt/...PC版:https://www.cnbeta.com.tw/articles/soft/1341433.htm手机版:https://m.cnbeta.com.tw/view/1341433.htm

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人