AI资讯日本PFN推出面向无人机和机器人视觉语言模型PLaMo-VL,推动物理AI应用
日本Preferred Networks(PFN)开发了面向无人机、机器人、监控摄像头和汽车等自主运行设备的视觉语言模型“PLaMo-VL”,并发布了8B参数的“PLaMo 2.1-8B-VL”以及小型2B参数的“PLaMo 2.1-2B-VL”。 近年来,随着物理世界环境理解和决策执行的物理AI应用日益广泛,传统云端AI面临大量传感器数据传输带来的通信负担、实时性下降以及机密信息安全风险等挑战
按标签聚合查看文章内容。
AI资讯日本Preferred Networks(PFN)开发了面向无人机、机器人、监控摄像头和汽车等自主运行设备的视觉语言模型“PLaMo-VL”,并发布了8B参数的“PLaMo 2.1-8B-VL”以及小型2B参数的“PLaMo 2.1-2B-VL”。 近年来,随着物理世界环境理解和决策执行的物理AI应用日益广泛,传统云端AI面临大量传感器数据传输带来的通信负担、实时性下降以及机密信息安全风险等挑战
AI资讯一家与OpenAI关系密切的新风险投资基金已完成首轮融资,目标筹资规模为1亿美元,创始团队向TechCrunch透露。该基金已开始投资几家初创企业。 这支名为Zero Shot的基金(名称取自AI训练术语)由多位OpenAI资深成员联合创立,他们几乎是偶然间成为了风险投资人。 三位创始合伙人均来自OpenAI。Evan Morikawa曾任OpenAI应用工程负责人,参与了DALL·E和ChatG
AI资讯Shawn Shen认为,人工智能要想在现实世界中取得成功,必须具备记忆视觉信息的能力。Shen的公司Memories.ai正利用Nvidia的AI工具,构建可穿戴设备和机器人能够记忆并回忆视觉信息的基础设施。 Memories.ai于周一在Nvidia的GTC大会上宣布了双方的合作。通过这次合作,Memories.ai使用Nvidia的Cosmos-Reason 2视觉语言推理模型和Nvidia
AI资讯NASA的探测车为我们揭示了火星和月球的许多细节和近距离图像,但对其他星球的探索进展缓慢。大多数探测车由地球远程控制,其节能且谨慎的设计限制了它们的行进范围。 近期,巴塞尔大学、苏黎世联邦理工学院和欧洲航天局联合发布了一项新研究,发表在《Frontiers in Space Technologies》期刊上,探讨了具备自主“思考”能力的多足机器人如何加快行星表面的资源搜索速度。 欧洲航天局研究员、
AI资讯DoorDash推出了一款名为Tasks的新应用,但它与送餐毫无关系,主要是让用户帮助收集训练数据,以提升生成式AI模型和类人机器人的能力。DoorDash在新闻稿中表示:“这些数据有助于AI和机器人系统理解物理世界。报酬会提前显示,依据任务的难度和复杂度确定。”大多数任务都要求用户将智能手机绑在胸前,录制双手执行特定动作的视频。 这类视频数据对AI模型和机器人开发者来说非常宝贵,比如成千上万段人
AI资讯Project Open Hand 是一家成立于1985年的非营利组织,由当地祖母兼艾滋病意识倡导者鲁思·布林克创办,致力于为有需要的人群准备和包装符合其多样化营养需求的餐食。该项目最初是为应对艾滋病危机而设立,但如今已扩展到为心脏病、糖尿病和慢性肾病等患者提供定制餐食。 然而,制作这些餐食需要大量人力,Project Open Hand 一直难以吸引足够的志愿者来协助组装餐盒。该组织位于旧金山贫
AI资讯随着6G技术的到来,机器人将从单一机械体转变为高效协作的智能生态系统,彻底改变工业、服务业乃至家庭生活。
AI资讯Pegasus Tech Ventures创始人兼CEO Anis Uzzaman在访日时分享了他对物理AI未来发展的见解,强调日本在机器人领域的潜力与挑战。
AI资讯2026年,机器人在灵巧度上取得重大突破,能够完成折叠衣物、组装箱子、修理机器人甚至把纸币放入钱包等复杂任务。
AI资讯过去十年,科技行业一直在探讨自动驾驶汽车究竟需要激光雷达传感器、摄像头,还是两者兼备。激光雷达公司Ouster提出了新的解决方案:将两者合二为一,集成在同一个传感器中。 总部位于旧金山的Ouster公司于周一发布了名为“Rev8”的新一代激光雷达传感器系列,这些传感器具备“原生彩色激光雷达”功能,能够同时捕捉彩色图像和三维深度信息,实现了两个传感器的功能合并。 Ouster首席执行官Angus P
AI资讯本期聚焦AI基础设施领域的最新融资动态及技术进展,涵盖三家独角兽企业的里程碑成就和行业趋势。
AI资讯这款AI智能体能够自行配置机械臂,利用机械臂进行视觉识别并缓慢抓取物体,甚至还能训练另一个AI模型来拾取和放置特定物品。有人说通用人工智能(AGI)还要几年才能实现!(我开玩笑的,可能真是如此)。 这些成果让我坚信,我们或许正站在机器人技术突破的边缘。过去,训练和控制机器人需要极高的专业技能,而如今的AI模型几乎让这变得轻而易举。 加州大学伯克利分校的机器人专家Ken Goldberg表示:“AI