SetupAI
EN
來源較早收集於 62m

RoboScience 發布通用具身智慧模型 Visics

閱讀原文： Pandaily
#embodied-ai#robotics#foundation-model

來自中國的全新通用具身智慧模型，可能挑戰現有的機器人智慧基準。

30 秒速覽

有什麼變化

Visics 被設計為通用具身智慧模型

為什麼重要

Visics 的發布有助於擴大具身智慧生態系統，並可能降低開發者在實體環境中部署智慧代理的門檻。

下一步行動

查閱 Visics 技術文件，評估其與現有 ROS (Robot Operating System) 環境的相容性。

誰應關注：Developers & AI Engineers

關鍵要點

  • •Visics 被設計為通用具身智慧模型
  • •由北京新創公司 RoboScience 開發
  • •包含用於機器人整合的完整技術框架

深度解析

本篇為 AI 生成分析，非原文內容。

增強重點摘要

  • •Visics 模型採用了多模態大模型（LMM）架構，能夠同時處理視覺、語言與觸覺感測器數據，實現對複雜環境的即時感知。
  • •該模型特別強化了機器人在非結構化環境中的泛化能力，使其無需針對特定任務進行重新訓練即可執行多種操作。
  • •RoboScience 在發布會中展示了 Visics 與多種主流機器人硬體平台的 API 兼容性，旨在降低具身智慧的開發門檻。
  • •Visics 引入了基於強化學習的預測控制算法，顯著提升了機器人在動態環境下與人類協作的安全性與流暢度。
  • •該公司計劃透過開源部分核心組件，建立圍繞 Visics 的開發者生態系統，以加速具身智慧在工業與家庭場景的落地。

競品分析

核心架構
Visics (RoboScience)
多模態具身大模型
Google RT-2
視覺-語言-動作模型
Tesla Optimus AI
端到端神經網絡
應用場景
Visics (RoboScience)
工業與家庭通用操作
Google RT-2
機器人操作任務
Tesla Optimus AI
人形機器人自主作業
開放程度
Visics (RoboScience)
計劃部分開源
Google RT-2
研究級別/部分API
Tesla Optimus AI
封閉生態

技術深入

  • 採用 Transformer 架構作為核心骨幹，支援高維度感測器數據融合。
  • 整合了視覺注意力機制（Visual Attention Mechanism），能精確識別並追蹤動態物體。
  • 具備零樣本（Zero-shot）遷移學習能力，透過大規模模擬數據預訓練，減少對實體數據的依賴。
  • 支援邊緣計算部署，優化了模型推理延遲，確保機器人反應時間在毫秒級別。

前景展望基於引用來源的 AI 分析

具身智慧將加速進入家庭服務機器人市場
Visics 的通用性降低了針對家庭多樣化環境進行客製化開發的成本。
機器人操作系統（ROS）的市場份額將面臨挑戰
Visics 提供的完整技術框架可能整合更多底層控制邏輯，改變現有的機器人軟體開發模式。

時間線

2025-03
RoboScience 公司在北京正式註冊成立，專注於具身智慧研發。
2025-11
完成種子輪融資，開始構建大規模機器人模擬訓練環境。
2026-06
正式發布通用具身智慧模型 Visics。
閱讀原文： Pandaily

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： Pandaily ↗

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。