SetupAI
EN
來源較早收集於 7h

Apptronik 打造大型機器人實訓園，加速人形機器人訓練

閱讀原文： IT之家
#robotics#embodied-ai#data-collection

看看 Apptronik 如何透過大型專屬實訓園，解決機器人產業的數據瓶頸。

30 秒速覽

有什麼變化

建立 8,000 平方公尺的專屬設施，用於訓練 Apollo 人形機器人。

為什麼重要

此設施凸顯了產業向具身智慧「數據工廠」的轉型，證明了物理數據收集對於機器人規模化擴展與數位數據同樣關鍵。

下一步行動

若您正在從事具身智慧研究，請研究如何建構用於訓練基礎模型的「人在迴路」遠端操控數據。

誰應關注：Researchers & Academics

關鍵要點

  • •建立 8,000 平方公尺的專屬設施，用於訓練 Apollo 人形機器人。
  • •採用「人在迴路」遠端操控方式，生成高品質訓練數據。
  • •數據用於優化機器人 AI 模型，目標應用於工廠與家庭場景。
  • •與 Google DeepMind 及 Mercedes-Benz 合作，推動實際場域部署。

深度解析

本篇為 AI 生成分析，非原文內容。

增強重點摘要

  • •Apptronik 的 Apollo 機器人採用模組化設計，其軀幹與四肢可快速更換，以適應不同工業環境的維修與升級需求。
  • •該實訓園區不僅限於數據收集，還整合了模擬環境（Simulation-to-Real）技術，將遠端操控生成的數據同步至虛擬環境進行大規模強化學習。
  • •Apollo 機器人具備獨特的「力矩控制」技術，使其在與人類協作時能精確感知接觸力，提升安全性。
  • •Apptronik 積極參與開源機器人社群，部分底層控制軟體架構參考了 ROS 2（Robot Operating System）標準，以利於第三方開發者整合。
  • •該公司與 Mercedes-Benz 的合作重點在於物流與生產線的自動化，特別是針對重複性高且對人體負擔較大的搬運任務。

競品分析

核心優勢
Apptronik (Apollo)
模組化設計與工業場景專注
Tesla (Optimus)
強大的 AI 算力與量產能力
Figure AI (Figure 02)
類人動作流暢度與 OpenAI 模型整合
商業模式
Apptronik (Apollo)
B2B 工業自動化解決方案
Tesla (Optimus)
自建生態與大規模製造
Figure AI (Figure 02)
策略性合作與通用機器人開發
數據來源
Apptronik (Apollo)
實訓園區與遠端操控
Tesla (Optimus)
龐大的車隊數據與模擬
Figure AI (Figure 02)
商業合作夥伴場域數據

技術深入

  • 驅動系統：採用高扭矩密度的電動執行器，取代傳統液壓系統，降低維護成本並提升能效。
  • 感知架構：搭載多模態感測器融合技術，結合深度相機、LiDAR 與觸覺感測器，實現 360 度環境感知。
  • 運算單元：內建邊緣運算模組，支援即時路徑規劃與避障，減少對雲端延遲的依賴。
  • 能源管理：電池模組設計為可熱插拔，支援長達 4 小時的連續作業時間。

前景展望基於引用來源的 AI 分析

人形機器人將在 2028 年前實現工業環境的規模化部署。
透過實訓園區累積的真實數據，機器人對非結構化環境的適應能力將達到商業化門檻。
「人在迴路」訓練模式將成為人形機器人開發的行業標準。
目前的 AI 模型在處理複雜物理互動時仍需人類專家指導，此模式能顯著縮短模型收斂時間。

時間線

2023-08
Apptronik 正式發表 Apollo 人形機器人。
2024-01
Apptronik 宣布與 Mercedes-Benz 建立合作夥伴關係，測試機器人在汽車製造中的應用。
2024-03
Apollo 機器人開始在 Mercedes-Benz 的生產設施進行初步現場測試。
2025-05
Apptronik 啟用 8,000 平方公尺的專屬實訓園區，擴大數據收集規模。
閱讀原文： IT之家

AI 週報

閱讀本週精選 AI 大事摘要 →

PostLinkedIn

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： IT之家 ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。

每週電子報

每週一封，可隨時退訂。