特斯拉的 Optimus 机器人，现在可以自主地对物体进行分类和排序

特斯拉的Optimus机器人，现在可以自主地对物体进行分类和排序特斯拉的Optimus机器人，现在可以自主地对物体进行分类和排序。它是基于特斯拉的端到端神经网络训练的，直接从视频输入中获取信息，并输出控制指令。这种端到端的训练方法使得Optimus能够直接从视频中学习和理解其环境，而不需要中间的转换或解释步骤。就是机器人看到什么，就知道该怎么做。视频中，机器人成功地将蓝色和绿色的积木块分别放入蓝色和黄色的托盘中。当一个人干预并移动积木块的位置时，机器人能够迅速适应这种变化并继续完成任务。最后，机器人还展示了几个瑜伽姿势，这些姿势与实际工作量没有关系，但显示了机器人在一条腿上平衡和平衡伸展四肢重量的能力。频道：@kejiqu群组：@kejiquchat

特斯拉第二代机器人来了 灵活性大幅跃升 还能两指捏起鸡蛋

特斯拉第二代机器人来了灵活性大幅跃升还能两指捏起鸡蛋根据视频介绍，第二代Optimus搭载：由特斯拉设计的执行器与传感器、2自由度驱动颈部、响应更快的11自由度灵巧手、触觉传感器（十指）、执行器集成电子和线束、足部力/扭矩传感器、铰接式脚趾等。不仅如此，第二代Optimus多项性能显著提升：行走速度提高30%，重量减轻10kg，平衡力及全身控制均得到提高。在第一代Optimus的视频中，特斯拉的重点大多落在了视觉、分拣、单平衡等能力。而最新的第二代Optimus首秀视频，则似乎更多聚焦于运动与控制——行走、平衡、精细操作与感知。在本次视频中，特斯拉在Optimus行走的同时，对其足部进行特写。从视频来看，不同于传统的一体脚掌，第二代Optimus的脚掌分为两个部分，使得步行姿态更接近人类。图第二代Optimus图第一代Optimus更引人注目的是，由于十指均搭载了手指触觉传感器，第二代Optimus已可以两指捏起鸡蛋。可以看到，有了软硬件的迭代升级加持，第二代Optimus的灵活性大幅跃升。开源证券11月20日报告曾指出，特斯拉人形机器人样机迭代即将由“功能实现”（B样）进入到“量产实现”（C样）环节。这次特斯拉并未透露第二代Optimus的具体方法，仅仅说明“减重没有任何（功能/性能）牺牲”。开源证券认为，人形机器人携带电量有限，需要通过使用轻量化材料减重、增加续航。使用轻量化材料能够提高机器人负载和灵活性，助力人形机器人高端进阶；PEEK是高端工程塑料，比强度约是铝合金8倍，是轻量化的极佳解决方案。此外，人形机器人要走进家庭，与人类安全交互、灵巧操作各种物体，触觉感知是基础，第二代Optimus在这一方面也已取得显著进步。开源证券另一篇报告指出，柔性触觉传感器（又称为“电子皮肤”）能实现与环境接触力、温度、湿度、震动、材质、软硬等特性的检测，是机器人直接感知环境作用的重要传感器，有助于智能化的人形机器人实现产业化落地，而材料技术和加工工艺是柔性触觉传感器的关键技术。总体而言，随着特斯拉、小鹏等相继布局人形机器人，整个产业正从0迈向1的阶段。落实到具体产业链环节上，西南证券12月10日报告建议关注硬件端核心环节：1）价值量占比较高的丝杠：贝斯特、五洲新春、鼎智科技、秦川机床；2）核心零部件减速器：绿的谐波、双环传动、中大力德；3）核心零部件无框力矩电机、空心杯电机：汇川技术、禾川科技、步科股份；4）机器人本体：博实股份。此外，PEEK材料方面，中研股份具备1000吨以上PEEK量产能力，正和东华大学合作研发CF/PEEK；柔性触觉传感器方面，汉威科技的柔性微纳传感器产品已医疗器械领域应用，其在智能机器人领域与小米科技、九号科技、深圳科易机器人等开展合作；苏试试验正在研发基于石墨烯的柔性应力振动传感器；弘信电子子公司瑞浒科技在柔性压力传感器领域有布局。...PC版：https://www.cnbeta.com.tw/articles/soft/1404081.htm手机版：https://m.cnbeta.com.tw/view/1404081.htm

特斯拉展示 Optimus 第二代人形机器人：速度提升 30%，身体控制能力更强

特斯拉CEO马斯克今日发布了其人形机器人Optimus的新一代原型机OptimusGen2的最新视频，视频中披露，Optimus第二代机器人将于2023年12月发布，与上一代相比，OptimusGen2在各方面都得到了显著的改进。OptimusGen2的改进包括：采用了全部由特斯拉自主设计和制造的执行器和传感器；整体外观设计更加精细；行走速度提高了30%；重量减轻了10公斤，同时平衡感和身体控制能力得到改善，视频中演示了其做深蹲的动作；配备了全新的双手，能够抓握更重的物体并进行更加精细的操作。特斯拉表示，OptimusGen2将首先应用于其制造工厂，一旦其实用性得到验证，公司将开始销售该机器人。特斯拉CEO埃隆・马斯克此前曾表示，Optimus被严重低估了，其需求可能会达到100亿至200亿台，并“自信地预测”Optimus将占到特斯拉长期价值的大部分。via匿名标签:#特斯拉#Optimus频道:@GodlyNews1投稿:@GodlyNewsBot

傅立叶和特斯拉展示仿人机器人的惊人进展

傅立叶和特斯拉展示仿人机器人的惊人进展傅立叶公司声称，GR-1可以承受50公斤（110磅）的重量，这要归功于两个300牛米（221磅-英尺）髋关节致动器组成的一对特别强壮的机器人臀部。不过，它的手臂和手掌看起来非常瘦弱，而且该公司还表示，该机器人将充当康复治疗助手，其腰部的抓手可以帮助人们从轮椅和床上站起来。因此，这些负载完全有可能被搬运到这里。该公司今天发布了其生产设施的视频，视频中不仅展示了机器人的组装过程，还展示了定制致动器线圈的缠绕、3D打印机机身部件组、显然是在试验台上复制人类动作的非实体手，以及似乎是机器人手部控制器的装置。请看：上周，Agility声称其即将在俄勒冈州塞勒姆建成的RoboFab工厂将是"世界上第一家仿人机器人工厂"，这很可能是对这一说法的微妙回应，我们当时对这一说法提出了质疑，因为傅立叶已经表示打算在今年年底前向客户交付100台GR-1人形机器人。另一方面，特斯拉还没有谈及生产--尽管作为一家公司，特斯拉在汽车制造领域确实取得了长足进步。相反，傅立叶正在将GR-1交付给一系列研发合作伙伴，主要是希望获得关于如何训练和提高机器人技能的各种观点，而特斯拉则在内部致力于自主操作，并为Optimus机器人构建能力。Optimus展示单腿平衡技能图/特斯拉在特斯拉"完全自动驾驶"自动驾驶系统中使用的基于视觉的高规格计算机的支持下，Optimus现在能够精确定位自己的手臂和腿，只需看着它们就能校准它们在空间中的位置。特斯拉表示，这种自我校准系统有助于机器人更高效地学习新任务。其中一项任务是拾起一堆积木，并按颜色将它们分门别类地放入不同的盒子里，机器人似乎能熟练地完成这项任务，当人类介入并移动积木时，它能顺利地重新安排活动路线，当积木没有按正确的方式放好时，它还能显示出纠正错误的能力。目前，它的动作非常缓慢；大部分功能视频都是以150%的速度播放的。但动作看起来确实深思熟虑、精准流畅，Optimus的双手看起来也很灵活。平衡显然不是问题--视频的最后，Optimus摆出了几个流畅的单腿瑜伽姿势，许多人类都很难做出这样的动作。一起来看看吧：正如《南方公园》团队所说，"Optimus"和"GR-1"走起路来还是有点像"裤兜装满"的感觉。事实上，即使经过了十年的研究、跑酷、舞蹈和体操，波士顿动力公司的Atlas机器人的动作仍然有点像需要检查尿布。未来几年，随着大量资本涌入机器人行业，这些问题会如何迅速得到解决将是一个有趣的话题。那些能将通用人形机器人推向市场、安全可靠地发挥实用功能并快速有效地学习新任务的公司，将使自己处于前所未有的地位。随着这些机器人规模的扩大，它们有望成为未来的劳动力，比人类更便宜、更简单，能够全天候从事多项工作，只需休息一下就能充电。这是一项非凡的技术，也是我们人类的关键时刻，其结果极不确定。...PC版：https://www.cnbeta.com.tw/articles/soft/1386627.htm手机版：https://m.cnbeta.com.tw/view/1386627.htm

特斯拉人形机器人进厂 “打工” 分拣电芯：依靠纯视觉 能自主修正

特斯拉人形机器人进厂“打工”分拣电芯：依靠纯视觉能自主修正据澎湃新闻消息，特斯拉发布了第二代人形机器人Optimus的最新进展。Optimus在特斯拉工厂中进行分拣电芯的工作，其端到端神经网络经过训练，能够准确分装电池单元。Optimus利用腿部保持平衡，依靠神经网络驱动上半身。视频还展示了操作人员通过VR眼镜和手套远程操作Optimus，以及Optimus在办公室中行走的能力。特斯拉CEO埃隆・马斯克透露，Optimus的手部将在今年晚些时候达到22个自由度，与人类手部相同。Optimus项目负责人MilanKovac表示，团队已经训练并部署了一个神经网络，让Optimus开始执行有用任务，如拾取电芯并放入托盘。特斯拉正努力提高Optimus的移动速度和应对复杂地形的能力，同时保持其类人特性。

【工信部：开发基于人工智能大模型的人形机器人“大脑”】

【工信部：开发基于人工智能大模型的人形机器人“大脑”】工信部印发《人形机器人创新发展指导意见》。意见提出，开发基于人工智能大模型的人形机器人“大脑”，增强环境感知、行为控制、人机交互能力，推动云端和边缘端智能协同部署。建设大模型训练数据库，创新数据自动化标注、清洗、使用等方法，扩充高质量的多模态数据。科学布局人形机器人算力，加速大模型训练迭代和产品应用。开发控制人形机器人运动的“小脑”，搭建运动控制算法库，建立网络控制系统架构。面向特定应用场景，构建仿真系统和训练环境，加快技术迭代速度，降低创新成本。