不依赖数据预训练北京企业让机器人靠“本能”自主操作
人民网北京8月18日电 (记者董兆瑞 李世奇)日前,扎根北京海淀的机器人企业橡木果机器人发布了“Natus AGE-0具身本能模型”。据了解,这是以触觉感知为核心、复刻人类操作机理的通用操作基座模型。该模型不依赖数据预训练,而是赋予机器人“与生俱来”的操作本能。
全球具身智能行业的主流技术路线即通过大规模的数据采集、模型参数堆叠和算力投入,来训练出一个通用的“大脑”。“这种自上而下的数据驱动范式,在面对真实物理世界的复杂操作时,却陷入了‘鸡生蛋、蛋生鸡’的落地悖论——不成熟的模型无法进入真实工况采集高质量数据,缺少真实场景数据又进一步限制模型迭代。”橡木果发起人姜峣说。
而“Natus AGE-0具身本能模型”为机器人构建了一套完整的“操作本能系统”。姜峣介绍,通过企业自研的视触觉传感器,机器人能够实时感知滑移、软硬、质感等丰富的力学语义。例如,在抓取一个从未见过的物体时,机器人不是去识别“这是什么物体”,而是通过触觉感知物体“是不是要掉”的滑移感,本能地调节抓力,使其稳定地保持在抓得“刚刚好”的状态。
记者现场测试,让机器人夹住记者的手指。记者发现,在机器人碰到手指时,它在轻微调节,感受手指的软硬与质感。当记者想用力拔出手指时,机器人也加大了力度,紧紧夹住手指不放。而当记者手指放松时,机器人所施加的力度也随之减小。
“我们还设计了‘肌肉记忆’机制。在本能反射的驱动下,机器人通过持续端侧的自主探索,与真实的物理世界进行交互。每一次成功的探索,都会沉淀为‘肌肉记忆’,将原本需要高频决策的精细交互,沉淀为更高效的操作链路。”姜峣说。
更多新闻>>相关新闻
-
AGV调度系统数据瓶颈:当「没有更多数据了」成为技术分水岭数据饥渴症背后的调度系统真相很多人以为AGV调度系统的性能瓶颈在于算法复杂度,其实不然——当集群规模突破200台节点时,真正制约系统效率的往往是「没有更多数据了」这一反直觉现象。在苏州某3C电子工厂的实地测试中,某头部厂商的调度系统在187台AGV同时运行时,路径规划耗时从3.2秒骤增至17.8秒,表面看是计算资源不足,实则是传感器数据采样率与地图更新频率的匹配失衡。数据链断裂的底层逻辑听起来可能查看详情
-
AGV调度系统数据瓶颈:没有更多数据时的底层逻辑重构当调度系统提示“没有更多数据了”:一场被忽视的工业级灾难很多人以为,AGV调度系统的数据中断仅是传感器故障或通信延迟的表象,其实不然。在某头部汽车总装车间,2023年Q2曾因激光SLAM地图更新滞后,导致32台AGV在换型期集体停摆——表面是地图数据缺失,底层逻辑是调度算法对「数据饥渴」的容忍阈值设计缺陷。数据饥饿的工业级代价传统调度系统遵循「数据驱动决策」的范式,其隐含假设是:数据量与决策质量呈查看详情



400-886-5570




