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: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




