75 lines
1.5 KiB
Markdown
75 lines
1.5 KiB
Markdown
---
|
||
title: "# 机器人具身智能发展与宇树科技实践"
|
||
date: 2026-06-14T15:34:36+08:00
|
||
uid: ""
|
||
source: "memos"
|
||
---
|
||
|
||
# 机器人具身智能发展与宇树科技实践
|
||
|
||
#90后四级副职培训班
|
||
#浙江
|
||
|
||
|
||
* 授课老师：杜鑫峰 博士 宇树科技
|
||
|
||
* 时间：2026.6.14 下午
|
||
|
||
* 地点：浙江大学
|
||
|
||
|
||
|
||
## 1. AI与机器人产业进展
|
||
|
||
> 业界认为：
|
||
>
|
||
> 大语言模型收敛趋势
|
||
>
|
||
> AI大模型：中国赶不上美国。
|
||
>
|
||
> 机器人+具身智能：中美并驾齐驱
|
||
|
||
|
||
|
||
近年融资极大增加
|
||
|
||
人形机器人将是终极形态：能干、智慧、强健、灵敏。
|
||
|
||
> 为什么人形机器人在2024年爆火？因为AI大模型突破了，机器人行业形成了分工。
|
||
|
||
|
||
|
||
怎么分工？
|
||
|
||
根据机器人共性关键技术进行分工，强健本体（机构设计与综合）、敏捷小脑（运动规划与控制）、智慧大脑（感知、定位与具身智能）
|
||
|
||
大脑的泛化能力是走向千家万户的基础。
|
||
|
||
|
||
|
||
什么是具身智能，让通用人工智能从数字世界走向实体世界。
|
||
|
||
具身智能研究的主要困难：
|
||
|
||
* 机器人学习最大的瓶颈是缺乏数据。与图片和文字相比，机器人可以学习的数据甚少。目前有两种收集数据办法。一是让具身本体在真实环境中，采集交互数据和学习。二是用工程手段（模拟自动生成场景）来取代传统的数据收集。
|
||
|
||
|
||
|
||
## 2.具身智能发展简述
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
## 3. 宇树具身智能实践
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
## 4. 未来展望
|