百度网盘WAIC观察：具身智能“深圳军团”，补齐人形机器人落地关键中间层_我的网站
A | 《科创板日报》7月20日讯（记者 杨小小）人形机器人要加快实现应用落地，无疑已成为行业内外的普遍共识。 围绕这一目标展开的人形机器人“大脑”能力补强，也已经持续了一段时间。
B | 奔赴新的一年 – HAPPY NEW YEAR – 新岁序开，同赴新程 新年的烟花已然落幕 春姑娘正踏着欢乐的脚步 带领我们开启新的学期 让我们一起共盼相聚 01 开学时间通知 亲爱的大朋友、小朋友们： 新年好！ 寒尽已觉春风暖，满园春色待幼归。 但在这个过程中，行业逐渐发现，机器人拥有理解和决策能力，并不等于已经掌握了可执行的技能，从认知到动作之间，还需要完成动作策略生成、本体适配和反馈修正等重要环节。伴随着春的脚步，愉快而充实的假期生活即将结束，带着美好的希望和祝福，我们迎来了2025年春季新学期。新学期，新起点，安安乐园全体教职工将以满腔的热情和饱满的精神迎接孩子们的归来，和孩子们一起开启崭新的学习生活之旅！ 为了让孩子们更好地适应幼儿园生活，顺利返园，请家长朋友们仔细阅读以下开学温馨提示！ 开学时间 2025年2月14日 2025年越来越好 以心安心 新 年 和光共生 02 开学前的准备 1 恢复作息时间 在假期的最后几天，建议爸爸妈妈们尽量按照幼儿园的作息时间，让宝贝早睡早起，按时午睡，减少宝贝看电子产品的时间，可以陪宝贝看一本书或者搭一搭积木，让宝贝减少浮躁情绪，逐渐进入入园状态。 在今年的世界人工智能大会上，具身智能“深圳军团”不约而同地都在朝这个方向进行能力展出，试图缩短模型能力到真机执行的链路。
C | 2 调整饮食习惯 假期里，家里各种美味佳肴，很多宝贝会吃一些零食，导致饮食不规律，甚至可能出现暴饮暴食等现象，为了让宝贝能顺利适应幼儿园的饮食，家长要尽快帮助宝贝们恢复放假前的饮食习惯，一日三餐按时吃，少吃油腻食物和零食，多吃水果蔬菜，保证每天充足的饮水量。 从数据到动作策略 跨维智能将这段距离进一步前移到了模型训练的数据端。 此次WAIC，跨维智能发布并开源Aligned DexWorld。据公司介绍，该数据集试图将真人示教、真机遥操和仿真合成等不同来源的数据，在统一的三维物理空间和时间序列中完成对齐。 3 培养自理能力 假期里家长避免不了帮助宝贝包办很多小事，建议家长们在开学前的这几天尽量让宝贝自己吃饭、穿衣服、独立大小便等，耐心等待宝贝自己完成，慢慢培养其独立的好习惯。 它所针对的是具身智能训练数据的异构问题：不同来源的数据在视角、本体构型和动作空间上存在差异，单纯“堆数据”并不必然提升模型效果，未经对齐的混合训练甚至可能产生负迁移。 # 具体可以这样做 # 请告诉孩子起床之后 要自己叠被子、穿衣服 自己的绘本玩具要自己收拾 做一些力所能及的家务小事 这些事情看似简单 却能适时地锻炼孩子的独立性 学会分担责任 4 充分做好心理准备 （1）“积极心理暗示” 家长可提醒孩子：要开学了，还有几天就要回幼儿园，又可以见到老师和小伙伴了！让孩子知道假期生活快要结束了，在潜移默化中做好开学前的心理准备。 （2）“回忆快乐时光” 帮助孩子回忆上一个学期在幼儿园开心的事情，或者孩子上个学期取得进步或获得表扬的事情等。
D | 在数据对齐之外，跨维智能还首次展示了仿真引擎DexVerse的生成式仿真能力，通过持续生成不同的物体姿态、场景布局和交互任务，为世界模型提供更多样化的训练数据。这些积极向上的“正能量”会让孩子怀着迫切的愿望回到幼儿园。按照公司的技术路径，Aligned DexWorld解决的是不同数据能否被模型共同学习，DexVerse则负责扩展模型可以学习的物理场景。 现场展出的手机装盒和商超扫码Demo，进一步呈现了上述技术链路在真机执行端的效果。
E | 新年快乐 HAPPY NEW YEAR 以心安心 新 年 和光共生 03 开学温馨提示 1.返园前，请家长们及时关注班级群，根据本班要求，提前为孩子准备好返园必需的生活用品，如衣物、被褥、替换衣物、汗巾及其他用品等，做好班别、姓名标识，（摆放生活物品具体时间请留意班群通知）。手机装盒机器人需要连续完成取盒、放机、对位和合盖，并在物料偏移、漏抓等情况下重新规划动作；商超扫码机器人则要适应不同瓶型和随机摆放姿态，完成抓取、扶正、扫码及放置，并通过视觉信号判断扫码是否成功。 2.坚持做好日常防护，孩子的手指甲易藏污垢，开学前请及时为孩子清理、修剪指甲。
F | 3.在外地过节、旅游的家长请关注天气变化及路况信息，返回途中注意安全，如果有特殊情况不能及时返园，请您及时与班级老师联系。 也就是说，跨维智能试图补上的，是从模型能力到真机执行的上游基础：先让不同来源的数据说同一种物理语言，再让模型学到的能力更顺畅地迁移至真机。 如果说跨维智能试图让模型从训练阶段开始，更准确地理解物理世界中的动作，智平方进一步关注的，则是模型理解任务后，如何将认知、协调和执行串成闭环。
G | 智平方这次WAIC带来了搭载NeuroVLA类脑大模型的AlphaBot 2。 按照公司的设计，NeuroVLA将机器人控制体系分为“皮层-小脑-脊髓”三个层次：皮层负责语义理解和任务规划，小脑负责高频运动协调与动态修正，脊髓则负责毫秒级运动执行和安全反射。 高层模型的任务规划无法直接转化为连续的关节动作。 2025年越来越好 以心安心 新 年 和光共生 ◀ END ▶ 编辑：办公室。机器人还需在执行中持续感知环境和自身状态，在目标变化或动作失败时动态调整，并维持长流程任务的时序信息。
H | 智平方强调的主动感知、故障自恢复和时序记忆，就是为了打通这些环节。 在WAIC展示的PCB上下料任务中，AlphaBot 2需要面对不同型号、尺寸的PCB，以及透明、反光托盘，连续完成托盘取料、上下料、移动运输和双臂协同等动作。相比完成一次固定抓取，这类任务更考验感知、任务规划、动态修正以及运动执行之间能否形成闭环。 从动作策略到真机执行 模型形成动作策略之后，还需要经过具体场景和机器人本体的适配。 乐聚机器人试图通过后训练，补上通用模型与具体岗位技能之间的距离。作为以本体和运动控制见长的人形机器人企业，在路径上，乐聚没有选择从头训练通用具身基模，而是由上游模型企业完成通用大脑的预训练，再结合自身机器人本体和工业场景开展垂域后训练、本体适配和真机评测。 乐聚机器人技术负责人王强对《科创板日报》记者表示，这一过程可以类比为是给机器人开设“技校”：基础模型解决认知广度，后训练则让机器人围绕具体岗位学习技能。 以快递分拣为例，蚂蚁灵波的LingBot-VLA 2.0已经通过预训练掌握识别物体、理解指令和基础抓放等能力；乐聚进一步采集300条任务数据进行后训练，让模型学习不同包裹在具体环境中的识别、抓取与分类方法，并将其部署至夸父机器人完成真机任务闭环。 据悉，乐聚目前已将数据处理、代码适配、模型后训练和真机部署测试等流程封装为后训练工具链。
I | 此次WAIC，乐聚展示的纸箱拆垛、塑料箱拆垛和小件上料，也对应了这套转化路径。乐聚方面人士对记者表示，在展会期间，夸父机器人连续三天每天接近10小时不间断完成了纸箱拆垛等任务，机器稳定性出现了初步的量变突破。 逐际动力则把认知到执行的链路进一步拆分为Sys2认知层、Sys1技能层和Sys0运控层。认知层负责理解任务和作出决策，技能层承接具体能力，运控层则负责将其落实为本体动作。 逐际动力此次展示的Oli机器人搭载COSA人形大脑系统和WBT全身运动基础模型。其中，WBT能够实时追踪机器人全身关节，并在动作执行过程中维持平衡。现场动捕演员连续完成深蹲、太极和舞蹈等动作，Oli则进行实时复现。与单个预设动作相比，这一演示更侧重展示长程动作如何被映射至机器人本体并稳定执行。 在操作端，逐际动力还展示了搭载COSA系统的TRON2双臂机器人。
J | 现场，TRON2通过视觉感知和语音交互，自主抓取糖果并递送给用户，呈现出机器人从感知、技能生成到底层执行之间的衔接。
K | 可以看到，随着人形机器人产业的可见度不断提升，行业内外的期待也在持续拉高。
L | 人形机器人企业的展示无疑都在试图回应同一个问题：如何在技术路径尚未完全收敛的情况下，跨过实用性的门槛。 但WAIC的演示仍不同于规模化应用。
M | 人形机器人面对新任务需要多少数据、训练和适配周期多长，技能能否跨本体、跨场景复用，以及在长期运行中能否保持稳定，仍需更多真实项目验证。 （科创板日报记者 杨小小）。 Current article:http://cus1u3.hencaoaoqingcengchesuomemu.buzz/uqgf4/cl0100y.html Published on:00:00:00 |
