8月21日,2024世界机器人大会在北京经济技术开发区北人亦创国际会展中心开幕。
据悉,今年共有27家人形机器人整机企业、30余家人形机器人产业链上下游的企业亮相,是人形机器人参展企业数量最多的一届。来自深圳的星尘智能新一代AI机器人助理Astribot S1也在这次展会上正式亮相。
Astribot S1是星尘智能于两日前正式发布的新一代AI机器人助理,在数小时内复刻了专家的扬琴、书法、糖画技艺,为现场观众表演并互动,这种学习操作能力可复刻到多类任务、多种场景,展现了业界领先泛场景通用操作能力,刷新了行业标准。
为你而生,为你而智
星尘智能公司Slogan为“科技创造美好”(High tech, High life),致力于为数十亿人打造有温度的AI机器人助理。
S1是具备全能操作的具身人形机器人,在今年四月首次技术展示中,执行了熨叠衣物、分拣物品、颠锅炒菜、吸尘清洁、竞技叠杯等多项复杂任务,引发行业广泛关注。此次S1以整机形态亮相,继续践行“为你而生,为你而智”(Naturally Yours)的产品理念,在一系列高难度、长序列、可泛化任务上,展现了“最强AI机器人助理”潜质。
在1倍速(业界常见为3到10倍速)的视频展示中,S1可谓智能又全能,在食物制作、泡功夫茶、乐器演奏等长序列任务展现了智能规划与最强操作,在模仿咏春拳、定点投篮等特技上展现了媲美专家的敏捷、灵巧与丝滑度,极大拓宽了应用想象力。
Design for AI
S1产品依托了星尘智能自主研发的面向AI(Design for AI)的软硬件一体化系统架构,将“AI智能”与“最强操作”强耦合,让机器人高度仿人,能像人一样学习、思考和劳动,与人流畅智能地交互,使用人的工具和设备、帮人完成枯燥、困难或危险的任务,奠定了具身智能技术基础与核心技术优势。
AI智能方面,S1拥有“最强大脑”,具备在复杂环境中的感知、认知、实时决策能力,及智能理解和多模态交互执行能力,实现物体、任务和环境级别通用操作泛化。值得注意的是,星尘智能在具身智能数据获取上取得关键性突破,S1能低成本利用现有的真实世界视频数据和人体动作捕捉数据,并通过第一人称视角收集触觉、力觉、视觉、听觉等多维度的高质量数据。综合这些数据进行更高效的规模化训练,降低了机器人高质量数据采集的成本、数据量级和新任务的训练难度,提升了泛化能力的潜力。
机器人硬件方面,S1能以低成本实现同规格机器人中的“最强操作”。其独特的刚柔耦合传动机构设计,通过传感器实时监测力的传输,不再依赖轨迹估算,而是像人一样,通过感知力的大小来精准控制控制力的输出,显著提升操作精度。
S1能像人一样去理解和决策、与人流畅交互,更能通过与真实世界交互持续学习进化,不断提升智能化和多任务泛化能力,未来有望逐步实现通用人工智能(AGI)。
2024年完成商业化
S1具备“高价值的上半身,可落地的下半身”,可用于科研、商业和家庭等广泛场景。其关键零部件自研,具备明显的成本优势。
通过刚柔耦合硬件设计和创新力规划算法,让S1具备极高安全性,能在交互中精确控制力度,在运动中不伤人、不伤物、不伤自己,为场景落地奠定基础。
星尘智能追求软硬件一体化技术的极致突破,不断拓展应用场景的边界,预计于2024年完成商业化。
星尘智能 CEO 来杰表示:“我们的愿景是让数十亿人拥有 AI 机器人助理。无论是照顾家庭还是到工厂工作,机器人在学习、决策和执行上越像人,越能帮人做得更多和更好,因此欢迎大家给S1提需求,让它的能力能从55%、85%成长到99.99%,无限接近人类水平。也希望未来五年到十年,AI机器人就能走进千家万户。”
好文章,需要你的鼓励
铠侠正在测试最新的UFS v4.1嵌入式闪存芯片,专为智能手机和平板电脑设计,可提供更快的下载速度和更流畅的设备端AI应用性能。该芯片采用218层TLC 3D NAND技术,提供256GB、512GB和1TB容量选择。相比v4.0产品,随机写入性能提升约30%,随机读取性能提升35-45%,同时功耗效率改善15-20%。新标准还增加了主机发起碎片整理、增强异常处理等功能特性。
上海AI实验室团队提出创新的异步拍摄方案,仅用普通相机就能实现高速4D重建。该方法通过错开相机启动时间将有效帧率从25FPS提升至100-200FPS,并结合视频扩散模型修复稀疏视角导致的重建伪影。实验结果显示,新方法在处理快速运动场景时显著优于现有技术,为低成本高质量4D内容创作开辟新路径。
谷歌在伦敦云峰会上发布Firebase Studio更新,新增Gemini命令行界面集成、模型上下文协议支持和"代理模式"。代理模式提供三种AI协作层次:对话式"询问"模式用于头脑风暴,人机协作代理需开发者确认代码变更,以及几乎完全自主的代理模式。尽管谷歌声称已有数百万应用使用该平台,但目前仍需精心设计提示词,非工程师用户还无法直接创建成熟应用。
上海AI实验室联手复旦大学提出了POLAR方法,这是一种革命性的奖励模型训练技术。通过让AI学会识别不同策略间的差异而非死记评分标准,POLAR在多项任务上实现了显著提升,7B参数模型超越72B现有最强基线,为AI对齐问题提供了全新解决思路。