感恩节,特斯拉的Optimus机器人再次刷新了人们对机器人技术的想象力。在最新的演示视频中,这个人形机器人展现出令人惊叹的手部操作能力,轻松接住了抛过来的网球。这不仅仅是一次简单的接球表演。Optimus的新手和前臂集成了多项革命性技术。其手部拥有22个自由度,手腕和前臂又额外增加了3个自由度,使其灵活度已经接近人类手的27个自由度。这意味着机器人正在以惊人的速度缩小与人类生理结构的差距。值得一提的是,这段视频是通过远程实时操作拍摄的,展示了机器人的精确控
近日,华盛顿大学的研究团队发布了一个名为 SAMURAI 的新型视觉追踪模型。该模型基于沿的 Segment Anything Model2(SAM2),旨在解决在复杂场景中进行视觉对象追踪时所遇到的挑战,尤其是在处理快速移动和自遮挡物体时。SAM2在物体分割任务中表现出色,但在视觉追踪方面却存在一些限制。例如,在拥挤的场景中,固定窗口的记忆方式未能考虑到所选记忆的质量,这可能导致错误在视频序列中不断传播。为了解决这一问题,研究团队提出了 SAMURAI,通过引入时间运动线索以及运动感知记忆选择
全球最大技术专业组织IEEE近日发布《2025年及以后的技术影响》研究报告。该报告对来自巴西、中国、印度、英国和美国的355名技术领导者进行调查,深入探讨未来技术发展趋势。调查显示,58%的受访者认为智能技术将成为2025年最具影响力的技术领域,这也是该领域连续第二年位居榜首。紧随其后的是云计算(26%)和机器人技术(24%)。其他备受关注的领域包括扩展现实技术(21%)、工业物联网(19%)、量子计算(17%)以及电动汽车技术(17%)。图源备注:图片由AI生成,图片授权服务商Midjourney技术领导
近日,加州大学伯克利分校 BAIR 实验室的 Sergey Levine 研究团队提出了一种名为 HIL-SERL 的强化学习框架,旨在解决机器人在现实世界中学习复杂操作技能的难题。 这项新技术将人类演示和纠正与高效的强化学习算法相结合,使机器人能够在短短1到2.5小时内掌握各种精密灵巧的操作任务,例如动态操作、精密装配和双臂协作。以前,让机器人学习新技能,那叫一个费劲,就像教一个熊孩子写作业,得手把手地教,还得一遍遍地纠正。更让人头疼的是,现实世界里各种情况复杂多变,机器人往