400-886-5570
机器人自己开卡丁车，共生知行发布人形机器人赛车 Demo
2026-08-19 06:36:32
IT之家 8 月 18 日消息，共生知行（Symbiosis Robotics）昨日（8 月 17 日）发布双足人形机器人驾驶卡丁车 Demo，并同步上线官方网站。
这是共生知行公司成立后首次系统展示其在双足人形机器人“全身智能”方向阶段性进展。该公司表示，赛车只是第一项公开测试，未来还将围绕移动操作、高精度视觉对准、接触式力控和长链条任务推出更多案例。
共生知行公司官网列出了“直接感知 — 控制模型”。该公司表示，感知扩展让机器人更懂世界，但理解任务并不自动等于能够可靠行动，共生知行希望把智能模型的边界，从生成一个需要被追踪的运动学目标，推进到生成一个由当前身体状态决定、能够直接执行的物理动作。
直接感知 — 控制模型（Direct Perception Control Model）从动作接口、表征耦合与闭环训练三个层面重构执行链。模型彻底移除中间运动表征，不再生成需要独立 Whole-Body Tracker 追踪的运动参考，而是把视觉、语言、身体状态、动作历史与执行反馈直接映射为可执行的关节与手部目标。Symbiotic Attention 则让感知表征与控制表征在共享 action objective 下彼此 attention，使任务理解受到动作可执行性的约束，动作生成也能持续利用语义上下文。
在该模型加持下，宇树人形机器人实现了手 — 眼 — 脚协同，可右脚控制油门，并在驶出弯道前快速转向，将视觉时机、精准油门控制与驾驶语义结合起来。
据 AI 科技评论报道，共生知行公司由浙江大学与西湖大学联合培养博士生丁鹏翔创立，聚焦具身智能领域的端到端动作生成。该公司试图解决当前具身智能架构中“模型理解任务但动作执行不可靠”的结构性问题。
-
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
全国统一热线
400-886-5570
苏州市苏州工业园区金鸡湖街道苏虹中路503号
