实体AI的“高考”：PhAIL基准测试揭秘五大模型真实作业能力
PhAIL 是一个全新的实体机器人基准测试项目，旨在回答“物理 AI 是否已准备好胜任实际工作”这一关键问题。该项目选取了五个领先的 AI 模型，在统一的商业任务环境中进行实战测试，并采用生产级指标进行评估。不同于理想化的模拟环境或简短演示...
标签索引 / 第 2 页
具身智能
这个标签下有 23 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
回溯人形机器人起源：30年前本田P2如何攻克“走路不摔”的百年难题
30年前（1996年），本田推出了具有里程碑意义的P2机器人，这是全球首个通过无线连接、自带电池并实现自主姿态控制的类人机器人。在P2出现之前，机器人大多笨重且需外部线缆支撑。P2的核心突破在于成功攻克了“动态平衡”技术，使其能够像人类一样...
人类与AI的本质边界：具身智能与Agent的终局是“上下文工程”
本文深入对比了人类与AI的行为逻辑，指出人类基于意图、记忆与环境的循环思考，而AI基于上下文信息进行概率预测。文章提出一个核心洞察：两者在行为表征上并无本质差异，核心区别仅在于“上下文信息的丰富度”。未来的Agent和具身智能发展，本质上都...
AI Agent的本质是“上下文工程”？深度解析人类与AI行为模式的边界
文章深入探讨了人类与AI行为模式的异同，指出人类是基于经验、信念和环境的预测性生物，而AI是基于上下文的目标预测系统。文章提出一个核心洞察：两者在行为表征上并无本质区别，唯一的差距在于上下文信息的丰富度。所谓的Agent（智能体）和具身智能...
AI 的局限性：为何缺失物理体验是通向意识的最后一道壁垒
这篇文章深入探讨了人工智能与人类智慧之间的一道鸿沟。作者指出，AI 的数据源于有限的虚拟世界，缺乏物理身体去感知现实。正如算法无法产生真随机数，虚拟信息的确定性限制了它的潜力。相比之下，现实世界的无限性和不可预测的“意外”，才是人类创造力与...
实测五款国产大模型：字节豆包在空间理解与轨迹规划中意外夺冠
本文基于物理轨迹生成的科研需求，通过400次蒙特卡洛仿真实验，对DeepSeek-V3、Qwen2.5、GLM-4.5、字节豆包及MiniMax五款主流国产大模型的空间理解能力进行了严格测评。测试涵盖了2D及3D环境下的多障碍物规避与轨迹连...
仿人机器人运动新突破：利用“不完美数据”让机器人在网球场上实现人机对拉
针对仿人机器人难以在高速运动（如网球）中复刻人类动态技能的问题，研究人员推出了LATENT系统。该系统不再依赖难以获取的完美比赛数据，而是仅利用由基础动作片段组成的“不完美”人类运动数据作为先验知识。通过模拟环境中的校正与组合训练，机器人成...
谷歌DeepMind联手UC伯克利推出LoGeR，攻克超长视频3D重建难题
谷歌DeepMind与加州大学伯克利分校联合开发了名为LoGeR的新算法，旨在解决从极长视频中重建高质量3D几何形状的挑战。现有的3D重建技术往往受限于视频长度，面临计算量过大和特征漂移的问题。LoGeR通过引入创新的“混合记忆”机制，有效...
GitHub新项目：赋予机器人“物理记忆”，有效避免重复性错误
该GitHub项目展示了一项针对机器人系统的创新，旨在通过赋予其“物理记忆”来显著减少重复性错误。与传统的重置或单纯的端到端学习不同，这种方法让机器人能够持久化地存储过去的交互数据与失败经验。当面对相似场景时，机器人能够调用这些记忆模块，规...
从《底特律变人》到现实：AI驱动下，家用机器人能否复刻手机的普及之路？
随着人工智能技术的飞速迭代，机器人的智能化程度与成本结构正在发生深刻变革。近期科技社区热议显示，参考PC与智能手机的普及路径，尽管目前机器人成本高昂，但未来10到20年内，随着技术成熟与成本下降，具备高度智能的机器人极有可能成为家庭必备品。...