研究中心

具身智能中心

具身智能中心开展以大语言模子和多模态感知、控制模子为基础的具身智能盘算系统要害手艺研究, ,,,,,,实现完整的具身效劳机械人手艺, ,,,,,,开发可商业化的具身效劳机械人原型以及可界说的全栈智能盘算系统 。。。。。。。

具身智能中心专注于推动具身智能手艺系统的系统化突破, ,,,,,,围绕“模子—数据—算力—平台”四大概害要素, ,,,,,,构建从科研前沿到工业落地的全链条生态 。。。。。。。中心主导研发的 优德官网EAI 具身智能系列开源系统(/en/airseai), ,,,,,,作为具身智能时代的“安卓平台”, ,,,,,,已普遍应用于效劳机械人、工业机械人与自动驾驶等领域, ,,,,,,成为推动行业协同立异的主要底座 。。。。。。。

面向智能体通用决议能力构建, ,,,,,,中心提出的 OmniRL具身智能基础模子(/en/OmniRL), ,,,,,,在多使命迁徙、样本效率与跨体泛化能力方面显著优于古板强化学习算法, ,,,,,,引领具身智能基础科研迈入“多体一脑”的新范式 。。。。。。。

在数据层面, ,,,,,,中心打造的 优德官网PEED具身智能开源数据平台(/en/airspeed), ,,,,,,实现了高质量、可复现、多模态的数据自动天生与标注, ,,,,,,已支持数家企业完成模子训练、能力评测与产品迭代, ,,,,,,由优德官网PEED孵化的首创企业已经完整天使轮融资, ,,,,,,进入“准独角兽”生长通道, ,,,,,,显示出强盛的孵化能力与行业发动效应 。。。。。。。

在算力瓶颈方面, ,,,,,,中心推出的 优德官网TONE具身智能盘算平台(/en/airstone), ,,,,,,接纳数据流驱动与Chiplet模???????榛杓疲 ,,,,,,实现低功耗、高实时性的盘算能力, ,,,,,,为边沿端具身智能系统提供“可安排、可落地、可演进”的算力解决计划, ,,,,,,破解恒久制约机械人智能升级的“算力卡脖子”难题 。。。。。。。

在科技政策研究方面, ,,,,,,具身智能中心同样展现出强劲的智库功效, ,,,,,,已在《学术前沿》《中国科学院院刊》《政策剖析报告》等高端刊物揭晓多篇具身智能与人工智能治理相关的内参型文章, ,,,,,,多次被焦点决议部分接纳和转送 。。。。。。。通过推动“从科研走向治理”的知识转化路径, ,,,,,,中心一直将手艺洞察转化为国家战略建议, ,,,,,,助力我国在全球科技竞争中掌握自动权、赢得制度话语权 。。。。。。。

未来, ,,,,,,具身智能中心将一连推动“开源平台+前沿模子+工业孵化+硬件协同”的融合立异模式, ,,,,,,助力深圳构建具身智能手艺高地, ,,,,,,引领全球智能体生长的新名堂 。。。。。。。

首页- 优德官网集团(中国)有限公司

研究团队

中心主任

  • 首页- 优德官网集团(中国)有限公司
    研究偏向
    具身智能、机械人盘算系统以及自动驾驶
  • 首页- 优德官网集团(中国)有限公司
    香港中文大学(深圳)理工学院助理教授、博士生导师, ,,,,,,哥伦比亚大学机械系博士
    研究偏向
    智能控制系统, ,,,,,,具身智能与物理人工智能, ,,,,,,控制论与人工智能

动态

  • 具身智能时代, ,,,,,,人类准备好了吗????????

    具身智能是一种将人工智能深度融入物理实体(如机械人)中的倾覆性手艺, ,,,,,,使它们能够自主感知、学习并与情形举行动态互动 。。。。。。。与以往为特定功效设计的古板机械人手艺差别, ,,,,,,具身智能付与了机械人更普遍的使命执行能力 。。。。。。。这种多功效性使具身智能机械人能够顺应种种新情形和挑战, ,,,,,,展现出更强的无邪性和顺应性 。。。。。。。 具身智能的泛起和整合将带来深远的社会影响, ,,,,,,既有起劲的也有消极的 。。。。。。。在政府和执法方面, ,,,,,,具身智能的快速生长逾越了现有的执法和政策框架, ,,,,,,导致了羁系不确定性和问责制的挑战 。。。。。。。各国政府仍在起劲制订认真任地推动具身智能生长的政策 。。。。。。。在经济方面, ,,,,,,预计具身智能将显著提高生产率和经济增添, ,,,,,,但也可能导致事情岗位流失并加剧收入不一律 。。。。。。。在社区方面, ,,,,,,获取具身智能手艺可能成为一种特权, ,,,,,,恶化社会公正问题, ,,,,,,而对具身智能系统的太过依赖可能会扰乱人际互动并导致社会伶仃 。。。。。。。最主要的是, ,,,,,,教育系统的转型是须要的, ,,,,,,以确保人类继续生长与机械互补的手艺, ,,,,,,而不是与机械竞争——这是在先进AI时代维持人类优势的焦点挑战 。。。。。。。 具身智能会提升社会福利照旧加深现有的不同????????我们是否准备好认真任地塑造这一未来, ,,,,,,照旧将被迫应对其效果???????? 具身智能是把双刃剑 
    2024-08-28
  • 提升机械人盘算系统可靠性, ,,,,,,建设具身智能国际标准系统

    克日, ,,,,,,优德官网团结中科院盘算所、美国乔治亚理工大学、美国罗切斯特大学在Communications of the ACM 上揭晓了已往三年相助研究的效果, ,,,,,,解答怎样提升机械人盘算系统可靠性问题, ,,,,,,这是天下上首个系统性研究支持差别机械人形态的盘算系统可靠性的研究事情, ,,,,,,为优德官网后续在具身智能机械人标准系统的事情打下了坚实的手艺基础 。。。。。。。
    2024-08-16
  • 智能进化:具身智能系统基础模子的手艺蹊径

    具身智能(EAI)是指将人工智能嵌入机械人等有形实体, ,,,,,,使其具备感知、学习和动态加入周围情形的能力 。。。。。。。在本文中, ,,,,,,我们将深入探讨为 EAI 系统构建基础模子的手艺偏向选择 。。。。。。。相关于预训练好的天下模子系统, ,,,,,,我们以为元学习 + GPICL(通用上下文学习)要领为具身智能系统提供更好的学习能力, ,,,,,,具有更好的恒久顺应性和泛化能力, ,,,,,,因此有可能是最适合具身智能系统基础模子手艺蹊径 。。。。。。。   配景知识 元学习 元学习(Meta-Learning)是一种机械学习要领, ,,,,,,其目的是使模子能够快速顺应新使命并提高学习效率 。。。。。。。元学习的焦点头脑是通过学习怎样学习, ,,,,,,从而在面临新使命时能够迅速举行调解和顺应 。。。。。。。与古板的机械学习要领差别, ,,,,,,元学习不但关注模子在简单使命上的体现, ,,,,,,还关注模子在多个使命上的泛化能力 。。。。。。。 在元学习中, ,,,,,,模子通常通过在多个使命上的训练来学习共享知识 。。。。。。。每个使命可以被视为一个自力的学习历程, ,,,,,,模子通过这些使命来提高其元学习能力 。。。。。。。这种训练方法使得模子能够捕获到使命之间的共性, ,,,,,,从而在遇到新使命时能够使用这些共性举行快速学习和调解 。。。。。。。
    2024-07-22
  • 具身智能成败之战:由数据瓶颈引发的重大挑战

    在具身智能机械人领域, ,,,,,,数据收罗面临着诸多严肃的挑战 。。。。。。。 首先, ,,,,,,大规模真实数据的收罗本钱高昂, ,,,,,,获取大宗真实有用的数据需投入大宗人力、物力与时间, ,,,,,,好比在重大情形中安排众多传感器和监测装备, ,,,,,,这不但装备采购用度高, ,,,,,,还涉及装置、维护和更新本钱 。。。。。。。 其次, ,,,,,,真实天下场景富厚多样, ,,,,,,险些不可能穷尽所有可能, ,,,,,,机械人可能在差别天气条件、地形地貌、社会情形中事情, ,,,,,,周全收罗这些场景数据是险些无法完成的使命 。。。。。。。 再者, ,,,,,,物理天下征象和纪律重大, ,,,,,,收罗的数据难以完整涵盖所有相关物理知识, ,,,,,,如机械人在重鼎力大举学情形中的运动, ,,,,,,可能无法精准捕获所有力学转变和影响因素 。。。。。。。 另外, ,,,,,,差别传感器采样频率、响应时间和精度保存差别, ,,,,,,导致时空对齐难题, ,,,,,,像视觉传感器和力传感器同时收罗数据时可能泛起时间误差, ,,,,,,影响数据准确性和可用性 。。。。。。。合成数据虽能增补真实数据缺乏, ,,,,,,但因其基于模子和假设天生, ,,,,,,与真实天下数据有差别, ,,,,,,在真实场景中的泛化能力存疑, ,,,,,,例如模拟天生的机械人行走数据, ,,,,,,可能无法准确反应现实地形中的意外情形 。。。。。。。差别构型的机械人结构、功效和运动方法差别, ,,,,,,数据难以复用, ,,,,,,人形机械人和轮式机械人的数据因其运动和交互方法差别, ,,,,,,通用性较低 。。。。。。。
    2024-07-05