摘要： Apache Doris 5.0 多模湖仓预告（1）｜场景方案篇：智能驾驶与具身智能每天产生海量多模态数据，真正难的是从中快速找到高价值 Episod...

导航使机器人能够将感知和运动转化为有目的的自主性。与产生稳定运动的运动不同，导航必须用于不断定位机器人、解读不断变化的环境、选择路线，并避开障碍物以安全到达目标...

胡庭恺，西南大学电子信息工程学院，计算机科学与技术专业在读博士研究生，主要研究方向为无监督毫米波雷达SAR成像，长期致力于毫米波雷达与深度学习的交叉融合研究，尤...

​围绕“世界模型是不是机器人下一个奇点时刻”的讨论正在升温。过去几年，具身智能的发展重点集中在大模型、VLA（Vision-Language-Action）、模...

在具身智能领域，EGO（Egocentric，第一人称视角）数据采集是一项基础而关键的工作。采集设备通常以头戴、眼镜安装或身体佩戴的形式部署在采集者身上，持续记...

据 IDC 预测，未来五年中国具身智能支出将由 14 亿美元增长至 770 亿美元，年复合增长率达 94%。随着具身智能从技术验证逐步进入真实应用，企业关注点从...

语言模型可以在几周内从互联网摄取数万亿个Token。而机器人操作数据集必须逐条生成——每一条都需要一台实体机器人、一个真实或模拟的环境、一个任务定义，以及一名操...

2026年，具身智能（Embodied AI）赛道正在经历一个关键的分水岭：「算法架构已相对成熟，数据规模与多样性成为制约模型泛化能力的最大瓶颈。」

摘要：具身智能要求机械臂在物理世界中通过交互学习复杂操作技能。本文提出一套完整的“仿真训练-策略迁移-云边协同”技术方案，以视觉伺服抓取为任务，采用SAC+Tr...

具身智能机械臂的典型架构是：端侧（机械臂/工控机）负责底层PID控制与传感器采集，云端（大模型+规划器）负责视觉语义理解与任务决策。然而，这个分工带来了三个致命...