跳到正文
11月20日週五
  1. DEV Community32

    模擬與 Sim2Real 遷移——第 03 章:域隨機化

    域隨機化透過在訓練期間改變模擬環境參數,讓 AI 策略適應多種條件,減少對單一模擬設定的依賴,協助轉移至實體機械人。隨機化範圍可涵蓋視覺特徵、物理動態及感測器特性,促使策略更依賴可靠特徵和感測回饋。成效取決於訓練條件是否涵蓋或接近真實環境;不切實際的分佈或參數覆蓋不足,仍可能導致部署失敗。

  2. DEV Community36

    Simulation and Sim2Real Transfer 第 02 章:逼真渲染

    本章説明 Physical AI 的逼真渲染如何將模擬環境轉化為接近真實感測器觀測的合成影像,供感知、學習、規劃及自主互動使用。渲染品質須按下游感知與控制表現評估,而非只看影像是否逼真;幾何、材質、光照及相機模型均會影響模擬觀測。渲染亦可涵蓋深度相機、LiDAR、雷達及熱像等感測器,並須考慮噪聲、校準誤差及漏測等不完美因素。

  3. DEV Community28

    模擬與 Sim2Real 遷移:第 00 章導言

    模擬為 Physical AI 提供可反覆試驗的計算環境,讓智能系統在接觸真實操作條件前探索物理關係,並支援學習、評估及優化。模擬亦可並行收集訓練經驗、生成合成數據和測試危險情境;訓練中的域隨機化有助提升泛化能力,但遷移至真實環境仍須實證驗證。

  4. DEV Community19

    具身與形態學——第 01 章:具身智能

    《具身與形態學》第 01 章將具身智能界定為智能體透過與物理身體及周邊環境持續互動,進行感知、學習、推理和行動的能力。感知、計算、驅動和物理互動形成持續循環,而身體結構與環境條件會共同影響智能體能採取的行動。

  5. DEV Community26

    體化與形態學——第00章:引言

    STATERA Library《Embodiment and Morphology》第00章闡述體化對物理 AI 的重要性:智能系統的感知與行動,會受身體結構、物理環境及兩者互動影響。形態會限制或擴展機械繫統的行動能力,亦會影響學習、控制策略和能源效率;系統設計須權衡靈活性、穩定性、效率與機械複雜性。

  6. DEV Community27

    具身與形態——第 10 章:仿生機械人

    仿生機械人研究生物的結構、動作、感知機制和適應行為,並將其功能原理應用於機械人設計,而非直接複製生物外形。生物力學、柔順結構、感知與動作的互動,以及分佈式控制,均可為提升機械人的穩定性、能源效率和環境適應能力提供設計思路。

  7. DEV Community28

    具身與形態——第09章:軟體機械人

    軟體機械人透過可變形本體、柔性結構及順應性材料,利用持續形變適應接觸與環境,並支援安全互動和靈活操作。順應性形態受材料特性、幾何設計及控制方式影響,也會改變感測、建模與控制需求;過度形變或能量耗散則可能降低定位精度和機械效率。

  8. DEV Community27

    具身與形態——第08章:空中機械人形態

    空中機械人形態涵蓋機翼、旋翼、機身、推進系統及載荷介面等結構,影響升力、推力、穩定性、機動性、載荷能力與續航力。常見配置包括固定翼、旋翼、多旋翼及混合式,各自適用於不同飛行方式與任務需求。設計亦須協調氣動特性、質量分佈、推進整合及載荷配置。

  9. DEV Community27

    具身與形態學——第 06 章:人形機械人形態學 [EN]

    人形機械人的形態設計旨在配合以人類活動為中心的環境,讓機械人有機會在毋須大幅改動基礎設施的情況下行走、操作物件及與人互動。雙足行走和仿人手部可支援樓梯通行、雙手協作及精細操作,但亦帶來平衡、能耗、感測和控制方面的工程挑戰。相近的運動結構亦有助將人類示範轉化為機械人動作,但仍須考慮機械人的動力學和穩定性限制。

  10. DEV Community34

    具身與形態學 — 第 05 章:機械臂形態學

    機械臂形態學探討機械臂的實體結構及其如何影響可執行的動作、操作能力與控制。機械臂可分為串聯、並聯及混合架構,其關節配置、工作空間、靈巧度、負載能力和結構剛度各有取捨。順應性可協助機械臂適應接觸力和幾何不確定性,但可能降低定位速度範圍及精度。

  11. DEV Community23

    Physical AI 工程——第 01 章:Physical AI 基礎

    Physical AI 將人工智能從數碼環境延伸至物理世界,讓機器透過感知、推理、行動及與環境互動來完成任務並持續適應。其核心是感知、認知、規劃、控制與執行的整合,以及由感測器、致動器和回饋構成的互動循環;系統還須在資訊不完整、環境多變的情況下作出穩健決策,並兼顧即時性與安全。

  12. DEV Community20

    Physical AI 工程 — 第 13 章:Physical AI 的計算平台

    Physical AI Engineering 第 13 章闡述邊緣 AI 計算如何讓 Physical AI 系統在實體環境中直接感知、推理、學習和行動,並作為實現即時自主運作的主要計算基礎。邊緣運算透過本地處理感測器資料,減少通訊延遲和頻寬需求,並讓系統在網絡連線不穩或不可用時維持運作;能源效率亦是重要考量。

  13. DEV Community15

    Physical AI Engineering — 第10章:醫療與以人為本的 Physical AI

    《Physical AI Engineering》第10章探討醫療及以人為本的 Physical AI,並以醫療機械人為例,説明 Physical AI 如何整合感知、推理、精準操作及臨牀知識,支援診斷、治療、復康和病人監察。醫療機械人旨在輔助而非取代醫護人員,並透過融合多種感測資訊,提升臨牀情境理解。

  14. DEV Community19

    Physical AI Engineering 第 09 章:工業 Physical AI

    Physical AI Engineering 第 09 章探討智能工廠如何結合智能機器、自主機械人、感測系統與人工智能,建立能感知、優化及自主決策的製造系統。內容説明 Physical AI 如何整合機械人、AI、Digital Twins、Industrial Internet of Things、邊緣運算及雲端智能,推動製造從傳統自動化轉向適應性實體智能。

  15. DEV Community26

    Physical AI Engineering 第 08 章:自動駕駛與出行

    Physical AI Engineering 第 08 章聚焦自動駕駛,説明系統如何整合感知、定位、建圖、預測、規劃、控制與安全管理,以應對動態的真實環境。文章亦探討 AI 基礎模型、Physical AI 推理引擎及異構運算平台在自動駕駛架構中的角色,以及系統逐步轉向以世界模型為核心。

  16. Hacker News 熱門(buzzing.cc 中文翻譯)45

    教 KUKA KR240 機械人雕刻大理石雕塑

    Monumental Labs 宣佈其首個同類端到端自主 CNC 石材雕刻系統,使用 KUKA KR240 機械人。系統可將 3D 模型和石材轉換成數以百萬計的刀具路徑點及方向,並生成運動學資料和模擬。團隊的目標是在機械人製造流程中實現無人介入,但雕塑定稿仍由藝術家和設計師決定,最後表面修整則由人工完成。

  17. 新浪科技39

    廣東「十五五」應急規劃提出直升機1小時內抵達省內任何救援點

    廣東省《廣東省現代化應急體系建設「十五五」規劃》提出夯實航空救援「1小時到達圈」,讓直升機在1小時內抵達省內任何救援點。全省已建成由12個駐防基地、112個固定起降場和1.3萬個鎮村起降點支撐的起降點網絡,並將構建直升機與無人機協同發展的應急航空救援力量。規劃亦提出深化「人工智能+應急管理」融合,推動智能感知裝備和具身智能機器人在高風險場景規模化應用。

11月19日週四
  1. 第一財經25

    上市公司披露通信等方面最新情況

    多家上市公司披露通信等方面的最新情況,涉及算力 DCI 產品測試、醫療裝備開拓客戶及其他業務進展。瑞斯康達的算力 DCI 產品正開展客戶測試驗證及市場投放;零點有數表示目前沒有 AI 短劇內容製作等相關業務。中航光電否認網傳中標19億的消息,東方精工則聚焦具身智能機器人領域的戰略投資。

  2. 第一財經31

    比亞迪發布折疊方向盤

    比亞迪正式發布折疊方向盤,首搭旗下方程豹鈦9車型。這款方向盤依靠線控技術,可在泊車時折疊,耗時10秒;比亞迪為實現折疊效果,首次在汽車上搭載具身智能機器人同款電機。

  3. 雷鋒網47

    諾亦騰機器人入選 The Information 2026 全球最具潛力 50 家初創企業榜單

    諾亦騰機器人入選 The Information「2026 全球最具潛力 50 家初創企業」榜單,並在亞洲分區排名第一。榜單披露,其估值超過 5 億美元、股權融資總額超過 5,000 萬美元,營收超過 1,000 萬美元。公司專注生產供機械人學習的人類數據,並透過 ModalityNet 向機械人廠商及 AI 開發者提供多模態數據集。

  4. Business Insider Tech45

    AI 送貨機械人要普及,仍須應對行人和行人過路燈號

    Avride 正在多個城市營運送貨機械人,但機械人要在街道上行駛,仍須應對行人、道路設施和車輛等現實挑戰。行人曾弄彎或折斷機械人載有旗幟和燈的支柱,Avride 因而重新設計支柱;機械人遇上閃紅燈時則會停下,等候下一個白色過路訊號。公司目前較着重改善現有營運城市的機械人。

  5. DEV Community34

    測試、驗證與基準評測 — 第 09 章:認證與合規

    機械人認證須先按類型、用途、操作環境及司法管轄區分類,再確定適用的安全、性能、網絡安全和監管要求。AMR、個人護理機械人及無人機等各有不同評估重點,相關參考框架包括 ISO 3691-4、ISO 13482 和 DO-178C。ISO 13849 和 IEC 61508 則為安全相關控制功能提供跨平台的功能安全框架。

  6. DEV Community37

    測試、驗證與基準測試——第07章:安全與可靠性測試

    機械人系統的安全測試應貫穿整個開發生命週期,並以 IEC 61508 和 ISO 26262 等框架連結危害、安全要求、驗證活動及客觀證據。測試架構須保持危害、要求與測試案例之間的雙向追溯,並涵蓋不同抽象層級、故障注入及端到端反應時間。可靠性測試則透過代表性負載下的測試、長時間運行及重複狀態轉換,檢查組件和子系統是否符合預期。

  7. DEV Community40

    測試、驗證與基準測試——第 06 章:AI 模型評估

    本章闡述機械人 AI 模型評估原則,重點是判斷模型能否支援可靠的實體行為,而非只看離線數據集的準確率。評估須結合任務成功、運作限制與系統後果,並按感知、導航、操作及移動任務選用指標。重複試驗亦應檢查模型的泛化能力、穩健性、安全,以及在部署硬件上的延遲和計算負載。