前OpenAI机器人部门主管Caitlin Kalinowski加入Anthropic
IT之家 8 月 11 日消息,Caitlin Kalinowski 的 LinkedIn 个人资料显示,这位曾领导 OpenAI 机器人项目的专家已加入 Anthropic,担任技术人员,从事研究工作。

其个人网站页面显示,Caitlin 是一位硬件和机器人领域的资深高管。她为处于早期阶段、致力于硬件、机器人和人工智能交叉领域开发的团队提供咨询服务,并担任 Axon 公司的董事会成员。
此前,她曾领导 OpenAI 的机器人硬件业务、Meta 的 AR / VR 硬件业务,以及苹果公司的 Mac Pro 和 MacBook Air 项目。


Caitlin 的加入,暗示 Anthropic 正在向机器人 / 物理 AI 方向进行研究探索。
而 OpenAI CEO 萨姆 · 奥尔特曼(Sam Altman)今年 6 月在 X 平台发布 OpenAI Robotics 招聘信息,称公司正在招聘优秀的全栈硬件、运营、系统及机器学习工程师,研发和制造出对人类社会有用的机器人。
IT之家获悉,奥尔特曼表示,人工智能应当能够在现实世界中帮助人类。短期内,OpenAI 专注于利用机器人来协助技术娴熟的工人建设未来的基础设施;从长远来看,OpenAI 希望每个人都能拥有属于自己的机器人,从而满足自己的各种需求。
更多新闻>>相关新闻
-
AGV调度系统数据瓶颈:没有更多数据时的优化策略AGV调度系统数据瓶颈:没有更多数据时的优化策略很多人以为,AGV调度系统的性能提升完全依赖于数据量的持续增加,其实不然。在工业场景中,数据获取成本与调度效率之间存在显著的边际递减效应。当系统已捕获足够覆盖95%以上场景的基础数据后,单纯增加数据量对调度精度的提升不足3%,反而会引发存储冗余与计算延迟问题。底层逻辑是:AGV调度本质是有限状态空间内的路径优化问题。以某汽车总装车间为例,其AGV网络查看详情
-
AGV机器人调度系统:数据瓶颈背后的底层逻辑数据孤岛与调度效率的悖论很多人以为,AGV机器人调度系统的性能瓶颈源于算力不足或算法复杂度,其实不然。在真实工业场景中,90%的调度延迟问题源于数据孤岛与协议异构性。当多品牌AGV混编运行时,不同厂商的通信协议、定位精度、传感器采样频率差异,会导致调度系统陷入「数据解析-转换-同步」的死循环,最终表现为路径规划失效或任务队列堆积。案例:上海临港某汽车总装车间的赛制级推演2023年Q2,某头部车企在查看详情



400-886-5570




