網民以1.9元下單貨拉拉無人車送貨,20分鐘路程拖至半夜才送到,還由拖車運載
一名網民以1.9元下單貨拉拉無人車運送傢俱,原本20多分鐘的路程拖至晚上11點半才完成,無人車更由拖車運到目的地。車輛停車位置與下單定位相差10米,系統因此未能開門,最後由客服在後台開門,網民才得以卸貨。
一名網民以1.9元下單貨拉拉無人車運送傢俱,原本20多分鐘的路程拖至晚上11點半才完成,無人車更由拖車運到目的地。車輛停車位置與下單定位相差10米,系統因此未能開門,最後由客服在後台開門,網民才得以卸貨。
國家知識產權局專利局電學發明審查部質量保障處處長鄒斌指出,具身智能專利審查須整體理解算法與技術特徵,兼顧保護創新和引導智能向善。具確切技術含義的用戶動作數據及確定的肢體動作可構成技術方案;以性格特徵預測價值觀則不屬於可獲專利保護的技術方案。創新者可善用優先審查、快速預審渠道,並在申請文件中詳述系統協同與閉環交互,做好數據合規風險防控。
MIT 研究團隊開發 UQ-DAAAM,讓機械人評估物體描述的不確定性,並從已拍攝的畫面挑選更清晰的視角補充資料、更新記憶。每個不確定物體最多增加兩個觀察視角後,92.3% 的物體不確定性降至設定閾值以下;描述性問題的準確率由 DAAAM 的 71.1% 升至 76.1%。不確定性下降不代表辨識必然正確,系統仍可能留下錯誤記憶。
UniX AI優理奇宣佈完成5億元Pre-A輪融資。本輪由老股東謝諾投資、湧鏵投資連續多輪超額追加,新投資方包括綠地集團、柯力傳感、華工創投、新景富盈、紅鳥啓航基金及玉林產投等產業與財務投資人。資金將用於前沿技術研發、核心團隊建設及具身智能產品產業化落地。
STATERA Library 第24章分析如何優化倉庫 AMR 感知系統,以應對人車混行、臨時堆放及環境變化,兼顧穩定行駛與安全。案例指出,反光或黑色物體、光線變化、重複貨架結構及感測器盲區均會影響障礙物檢測與定位。改良方案結合深度相機、2D LiDAR、里程計和慣性資訊,並按感測器可信度及觀測歷史更新局部佔用空間。
基礎模型正改變機械人感知,透過大規模預訓練學習可重用的視覺、空間、語義及多模態表徵。這些表徵支援開放詞彙辨識、定位和地圖構建,並可用少量領域資料微調以適應不同任務。模型規模增大亦帶來計算、記憶體、推理延遲、耗電及部署方面的挑戰。
了得科技在進博會首度展出超仿生全尺寸行走陪伴機械人 E1、智能迎賓機械人及高仿真智能頭三大展品。E1採用1:1真人比例設計,交互響應時延低至600毫秒,並具備長期記憶、多模態情緒感知及多語種、多方言交互能力。籠罩其中的智能迎賓機械人可完成商務禮儀動作,仿生智能頭則可獨立部署於多種場景。
本章以倉庫案例分析自主移動機械人如何適應高密度物流設施,並在共享通道中安全導航。系統採用 2D LiDAR、深度相機、輪式編碼器及慣性測量單元;針對反光和黑色物料、低矮障礙物、光線變化及臨時物件等感知難題,透過多感測器交叉核對、時間整合及區分固定結構與臨時佔用來提升可靠性。
基礎模型把機械人感知由針對單一任務的識別系統,推向能理解多元環境的通用智能,並有助系統適應未曾遇過的環境。模型透過圖像、影片、點雲、語言描述及感測器記錄等資料進行預訓練,學得可重用的表徵,再以較少任務專屬調整支援不同應用。多模態及視覺語言模型亦支援開放詞彙感知,讓機械人透過文字描述識別未見過的物件。
本章概述自主移動機器人(AMR)的感知流程,説明系統如何把傳感器的原始測量轉化為位置估計、路徑規劃、自主導航與控制可用的環境資訊。內容涵蓋感測器資料預處理、特徵提取、物件檢測與追蹤、場景理解、可行駛空間估計、三維感知及多感測器融合,並指出感知資訊的品質會影響定位、安全行駛及任務執行。
STATERA Library《AMR Sensors and Perception》第 02 章説明 2D LiDAR 如何透過雷射測距及掃描,取得周邊環境的幾何資訊,並用於建圖、定位、障礙物檢測和導航。章節亦講解 ToF、Phase-Shift、角度分辨率、掃描頻率及座標轉換,並指出反射率、入射角、透明或鏡面表面、周邊光線等因素會影響測量。
3D LiDAR 是自主移動機械人(AMR)的重要感知感測器,透過測量雷射脈衝往返時間生成高密度點雲,呈現障礙物、地形及周邊結構。工業應用目前以 ToF 測距為主,部分固態 LiDAR 採用 FMCW,能同時測量距離與物體速度。點雲處理需兼顧運算負荷,惡劣天氣下則可透過濾波及多感測器融合補足限制。
深度相機透過測量相機與場景中可見點的距離,為 AMR 提供三維幾何資訊,支援導航、避障、定位、操作及建圖。深度資訊可表示為深度圖,並轉換成點雲;常見測距原理包括結構光、立體視覺及飛行時間測量。準確度、測量範圍、空間解像度、視角和環境條件都會影響感測表現。
本章説明 AMR 熱成像相機的成像原理、主要組件與檢測器類型,並分析影響温度測量和影像品質的因素。非製冷微測輻射熱計體積小、功耗低,適合移動機械人;製冷型檢測器則有較高感度與空間解像度,但成本和功耗較高。工業檢查通常需要輻射測量型相機,以取得像素級温度資料。
南京人工智能企業原方智能(Cirquar AI)完成數千萬元天使輪融資,由金雨茂物領投,我樂家居與南京市創新投資集團跟投。公司聚焦具身智能,致力於構建可泛化的世界模型,並以家庭服務為首要落地場景。融資將用於核心技術研發、家庭機械人產品開發及團隊擴充。
NVIDIA 在首爾舉行 NVIDIA AI Day,公佈與韓國政府及多家企業擴大合作,涵蓋主權 AI 基礎設施、模型、半導體與智能體安全。
IDC預計,2026年全球靈巧手出貨量約2.5萬台(不含廠商自配),中國廠商佔比超85%。行業競爭正由硬件參數轉向精細操作、觸覺感知、控制能力及與具身智能模型的協同水平。未來三年,行業將進入「工程化競爭」階段,核心在於平衡任務適配性、可靠性與綜合成本。
AMR 機電工程第 09 章涵蓋電力系統架構,以及高、低電壓設計。內容説明電池、BMS、PDU 和 DC-DC 轉換器等組件如何儲存、管理、分配及轉換電力,並探討驅動系統與 AI 計算裝置的供電需求。章節亦涵蓋安全保護、接地、電磁兼容、熱管理、充電、監測及電源冗餘設計。
MIT 和 New York University 研究人員開發 FLEX,讓機械人根據對話中的修正推斷更廣泛的環境偏好,並據此調整動作路徑。FLEX 在七個導航情境中均取得最高平均標準化回報;需要 ADD、GENERALIZE 和 MASK 三項操作的情境中,平均分為 0.99,高於 ALGAE 的 0.69、MFE 的 0.83 及基準方法的 0.78。
IDC預計,2026年全球靈巧手出貨量約2.5萬台,中國廠商佔比超過85%,數據不包括廠商向自有機械人產品的內部配套出貨。現階段需求主要來自人形機械人配套、科研教育及具身智能數據採集,工業應用仍在探索。IDC認為,未來三年市場將由路線探索進入工程化競爭階段。
章節聚焦 AMR 的未來,闡述具身 AI 如何透過感知與行動的循環,在物理環境中學習、推理及執行任務。具身 AI 系統整合感知、定位、世界模型、推理、規劃、控制、記憶與學習,並結合模擬、示範和實際環境適應進行訓練。
NVIDIA 正協助韓國跨行業推進實體 AI,涵蓋半導體製造、機械人及自動駕駛,並推動相關技術由開發走向實際生產。Samsung 使用 NVIDIA cuEST 加速部分量子化學計算,端到端速度最高提升 5x;一項 AI 均質化案例的模擬速度則提升約 1,600x。
AMR 導航性能指標用於量化評估機械人的導航表現、安全性、效率、穩健性及可靠性,並支援演算法比較、系統最佳化和驗收測試。評估項目涵蓋任務成功率、導航完成時間、路徑效率、軌跡追蹤與位置估算準確度、避障與安全停車、能源及計算效率,以及穩健性、復原能力和重複性。
AMR 專案生命週期第 13 章説明概念階段如何在投入工程資源前,確立策略方向、技術可行性、商業理據及長期產品願景。此階段透過客戶與市場分析、用例及持份者識別,釐清需求並評估項目的商業價值和技術風險。再把營運情境轉化為可量度的系統要求,並初步規劃系統架構。
本章説明全球機械人標準如何為 AMR 提供共同的工程框架,涵蓋術語、安全、性能、測試、通訊協定及品質管理,支援不同製造商的機械人安全、可靠及互通運作。ISO 和 IEC 制定的標準涵蓋機械人安全與功能安全;風險評估則貫穿設計、製造、部署、操作、維護及產品退役等階段。
製造機械人把生產、物料搬運、品質檢查及數碼製造連接成整合營運系統,涵蓋 AMR、工業機械臂、協作機械人及檢查機械人等平台。它們運用感知系統、AI、自主導航及數碼孿生,支援物料運送、品質檢查、靈活生產和預測性維護,並與企業生產資訊系統整合。
智能工廠架構把生產設備、機械人、感應器、軟件平台、工作人員及企業系統連接成一體化製造環境,讓生產流程可視化、互通並按數據運作。架構分為物理、控制、監督、邊緣運算、製造執行及企業系統等層級,並整合固定式工業機械人與 AMR。標準化介面、數據管理及追溯能力,支援生產協調、品質管理和靈活製造。
醫院 AMR 透過自主運送藥物、檢查樣本、無菌器械、膳食及醫療用品,支援醫院物流並減輕員工的日常運輸負擔。車隊管理系統會綜合機械人可用狀態、電量、路線、電梯通行、交通及配送優先次序分派任務;AI 則支援需求預測、排程、路線優化和庫存預測。系統亦須兼顧患者安全、網絡安全,以及與電子健康紀錄等醫院系統的整合。
第19章聚焦物流 AMR 在倉庫自動化中的物料運輸,以及相關系統架構。AMR 利用 SLAM、雷射掃描器、深度相機等技術,在人員與工業車輛共用的環境中行駛;WMS、車隊管理系統、數碼孿生及雲端與邊緣運算則支援倉庫營運。安全、網絡安全和預測性維護亦是自動化倉庫的重要部分。
IDC 預計,2026 年全球靈巧手出貨量約 2.5 萬台,中國廠商佔全球市場比例超過 85%,數據不包括廠商為自家機械人產品提供的內部配套出貨。靈巧手目前主要用於人形機械人配套、科研教育及具身智能數據採集,工業等規模化應用仍在探索。未來三年,市場將由路線探索轉向工程化競爭,可靠性、成本及交付能力將影響競爭格局。
MIT 工程師開發的 FLEX 學習平台,讓機械人從有限的自然語言指令推斷未明説的偏好,改善動作規劃。平台分為「Add」、「Generalize」和「Mask」三步,透過 GPT-4o 將個別避開事項概括為避開易碎物品,並移除環境中已不存在的物件。整個流程約需五秒,研究團隊在多個模擬場景中進行測試。
自我改進指人工通用智能透過經驗、評估、適應和修正提升自身效能,並調整認知與行動方式。系統可運用記憶、反思和實驗找出改進方向,也可調整架構、計算資源及學習內容。改動須經多維度評估和不同情境驗證,並防止災難性遺忘。
本章探討 AGI 如何在現實環境中應用,指出核心能力是跨任務與領域遷移知識和認知策略,並透過持續的感知、推理、規劃與行動循環適應變化。內容涵蓋機械人、科學發現、工程、工業、醫療、教育及組織工作,並強調記憶、工具使用、人類監督和安全機制。實際部署的評估應納入長期任務、環境變化、不確定性管理及適時尋求人類協助的能力。
現代人工智能已能處理語言、圖像、音訊、影片、程式編寫及數學問題,但能力仍不均衡,不能等同 AGI。推理可靠性、長期自主性、記憶、世界建模及因果理解仍是重要限制。研究正結合基礎模型、記憶、規劃、工具及其他系統,探索通往更一般化智能的路徑。
本章探討因果表徵學習如何從觀測數據中捕捉生成數據的因果因素,而非只編碼統計相關性。結構因果模型、幹預、時間數據及多重環境等資訊,有助學習潛在因果結構;但僅憑被動觀測數據通常無法識別真實因果變數。這類表徵可連結感知、預測、規劃與控制,並支援模型在分佈變化下重用知識。
第九屆「贏在昭通」創新創業大賽全部賽道賽程收官,全網累計觀看量突破5300萬人次。數智科技賽道決賽中,昭通AI視聯網大數據平台、圖萌AIGC文創產教融合項目及具身智能中試基地項目分獲前三名。大賽聚集科創項目與人才,推動創新成果落地轉化。
高通在第九屆進博會展示6G技術探索,以及與中國產業夥伴合作的AI生態創新成果。展台全球首次公開實物展示符合3GPP最新定義的6G終端原型機,並展示與階躍、Infris AI及江波龍合作、在手機端完整運行的300億參數級混合專家模型。展品亦涵蓋智能體手機、電腦、AI眼鏡、汽車及機械人等應用。
北京人形「慧思開物」平台正式發布 Hi-WBC 通用全身控制模型,結合人體動作參考與真實物理約束,讓機器人跟隨運動意圖,並按負載、外力及地形變化調整執行方式。模型聚焦技能拓展、強交互與大負載,以及複雜地形自主適應,並以兩段 Demo 展示控制能力與應用實踐。
猿聲先達科技(深圳)有限公司於11月6日新增9名股東,註冊資本增加約18.8%,本輪融資金額尚未公佈。新增股東包括五源資本、線性資本、拓普集團、速騰聚創及上富電技;公司產品涵蓋 TACTA 多維觸覺傳感器、HEXSKIN 電子皮膚及 Magic Glove 數據採集手套,並延伸至觸覺數據與模型。
第二屆華為乾崑智駕公開賽正在進行,已有18萬名車主參賽。參賽者可感受華為乾崑智駕 ADS 5 在真實路況下的表現。