机器人驱动器深度解析:电机缩放定律、减速比与惯性的物理真相
这篇文章深入探讨了机器人致动器中电机的物理缩放定律。作者通过数学推导分析扭矩、质量、功率与电机尺寸的关系,提出了一种与尺寸无关的“归一化电机常数”作为性能指标。文章揭示了一个反直觉的核心结论:在理想简化模型下,如果扭矩和功率耗散固定,无论齿...
标签索引
这个标签下有 3 篇文章。按时间回看相关判断与实践记录。
标签精选
这篇文章深入探讨了机器人致动器中电机的物理缩放定律。作者通过数学推导分析扭矩、质量、功率与电机尺寸的关系,提出了一种与尺寸无关的“归一化电机常数”作为性能指标。文章揭示了一个反直觉的核心结论:在理想简化模型下,如果扭矩和功率耗散固定,无论齿...
Q Labs 发布“NanoGPT Slowrun”项目,旨在解决 AI 发展中算力增长远超数据增长导致的瓶颈。该项目反常规地限制数据量(100M tokens)但允许使用无限算力,探索极致的数据效率。结果显示,通过引入 Muon 优化器、...
本文深入探讨了当前AI领域的核心热点——“缩放定律”是否依然有效。文章指出,虽然大模型厂商对训练数据严格保密,但通过推算发现,2024年末至2025年,以OpenAI o1为代表的“强化学习(RL)缩放”接替了传统的预训练缩放,成为了性能提...