🏠最新收集於 7m

人形機器人駕駛卡丁車展現全身智能

人形機器人駕駛卡丁車展現全身智能
PostLinkedIn
🏠閱讀原文: IT之家

💡了解直接感知到動作的控制方式,如何讓人形機器人協調轉向、油門與駕駛時機。

⚡ 30-Second TL;DR

有什麼變化

人形機器人在駕駛時協調視覺、轉向與右腳油門控制。

為什麼重要

這項展示顯示具身 AI 可能從產生動作目標、再交由下游追蹤,轉向根據機器人身體狀態直接產生動作。若能大規模維持可靠性,該方法有望降低具身 AI 的執行失敗率,並簡化全身控制流程。

下一步行動

閱讀 Direct Perception Control 技術報告,並原型化一個將本體感知與執行回饋直接輸入動作生成的閉環策略。

誰應關注:Researchers & Academics

關鍵要點

  • 人形機器人在駕駛時協調視覺、轉向與右腳油門控制。
  • Direct Perception Control Model 移除了中間動作表徵與 Whole-Body Tracker。
  • Symbiosis Robotics 計畫進一步展示移動操作、視覺對準、力控與長鏈任務。

🧠 深度解析

AI-generated analysis for this event.

🔑 增強重點摘要

  • Symbiosis Robotics 是一家專注於具身智能(Embodied AI)的初創公司,其核心團隊成員多來自頂尖機器人研究實驗室,致力於縮短機器人從感知到動作的延遲。
  • 該卡丁車駕駛實驗不僅是為了展示駕駛能力,更是為了驗證 Direct Perception Control Model 在高動態、非結構化環境下的實時反應速度與魯棒性。
  • Unitree(宇樹科技)提供的人形機器人硬體平台(如 G1 或 H1 系列)具備高自由度關節,為 Symbiosis Robotics 的全身協調算法提供了必要的硬體基礎。
  • 該技術架構摒棄了傳統機器人學中依賴的『感知-規劃-控制』分層架構,轉而採用端到端(End-to-End)學習路徑,顯著降低了系統對預先定義地圖的依賴。
  • 此項研究標誌著人形機器人從實驗室環境走向複雜動態任務的重要轉折,特別是在需要精確手眼協調與全身平衡的場景中。
📊 競品分析▸ Show
特性/公司Symbiosis Robotics (Unitree)Tesla (Optimus)Figure AI (Figure 02)
核心架構Direct Perception Control端到端神經網絡視覺語言動作模型 (VLA)
駕駛/操作強調全身協調與直接映射專注於工業自動化與通用任務專注於人類協作與精細操作
硬體平台宇樹科技 (Unitree)特斯拉自研自研硬體
定價/定位研究與開發導向大規模量產/工業應用高端商業/工業應用

🛠️ 技術深入

  • Direct Perception Control Model:該模型將原始視覺輸入(RGB影像)與本體感知數據直接映射為關節扭矩或位置指令,繞過了傳統的運動學解算器。
  • 移除中間表徵:透過取消 Whole-Body Tracker,系統減少了計算開銷,並避免了因中間層誤差累積導致的動作僵硬問題。
  • 閉環控制頻率:為了實現卡丁車駕駛,該模型在感知與執行之間維持了極高的控制頻率,確保在高速移動中能即時修正轉向與油門。
  • 數據驅動學習:模型訓練依賴於大量的駕駛模擬數據與少量真實世界微調,利用強化學習(RL)與模仿學習(IL)相結合的策略。

🔮 前景展望AI analysis grounded in cited sources

具身智能將在 2027 年前實現從單一任務向多任務通用操作的跨越。
Direct Perception Control 模型的泛化能力證明了機器人無需針對每個任務重新編程,即可適應不同的物理操作環境。
人形機器人將在未來兩年內進入封閉園區的物流與運輸輔助領域。
卡丁車駕駛實驗驗證了機器人在動態環境中處理複雜路徑與速度控制的可行性,這是物流自動化的關鍵技術門檻。

時間線

2025-06
Symbiosis Robotics 成立並開始研發端到端具身智能算法。
2026-02
與宇樹科技達成戰略合作,開始在人形機器人平台上進行算法移植。
2026-07
完成卡丁車駕駛實驗的初步模擬訓練與實體機器人調試。
2026-08
正式發布人形機器人駕駛卡丁車的展示影片,驗證 Direct Perception Control Model。
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

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