摘要：研究团队利用松灵CobotMagic双臂机器人作为核心实验平台，通过标准化遥操作方式构建了包含107k条演示轨迹的RoboMIND多场景数据集。该数据集涵盖479项任务和96种物体类别，特别强化了双臂协同操作等复杂任务数据。实验表明，基于该数据集训练的ACT算法在15项双臂任务中达到55.3%平均成功率，RDT-1B模型在特定任务中更是实现100%成功率。研究解决了机器人领域高质量多样化数据

首先提取10%左右的金额，用于奖补科研投入，再根据申报单位科技人员数、45岁及以下科技人员数分别按35%和55%进行分配，每个单位最低支持10万元（不足10万元，按10万元进行支持），最高支持200万元。国际科技创新合作项目中的重点项目每项支持经费不超过80万元，面上项目每项支持经费不超过30万元；原则上为2年，2024年1月至2025年12月，2024年12月底前基本完成项目研究，2025年12

斯坦福大学与丰田研究院联合提出Mobi-π框架，解决移动机器人平台执行视觉运动操作任务时的泛化问题。该框架通过3D高斯溅射场景建模、混合评分函数和贝叶斯优化，为移动机器人寻找适合策略执行的基座姿态，无需额外收集数据即可实现固定机器人策略向移动平台的迁移。实验验证在5项仿真任务和3项真实场景任务中均取得良好效果，成功率达80%以上，显著优于传统方法。这一突破为Kinova Gen3等机械臂在复杂环境

传统的有源传感器，如激光雷达（即光探测和测距）、雷达和声纳，都是先发射信号，然后再接收信号，以收集场景的三维信息。"我们的工作建立在热感知的信息理论基础之上，表明漆黑环境中的信息量与大白天的信息量相同。但雅各布说，基本的挑战阻碍了它在今天的应用。雅各布说："这些代理中的每一个都将通过先进的传感器收集周围场景的信息，从而在没有人类干预的情况下做出决策。普渡大学（Purdue University）的

此类算法可以增强科学研究的设计和执行。人工智能在任何行业的发展带来红利的同时也带来了隐患，作为操盘者，能做的除了尽量降低危害风险外，还要正确监管人工智能的使用，这样才能运用好人工智能推动每一行的发展。与人工智能的其他用途不同，强化学习方法通过探索许多的场景并根据指标（例如从经过考虑的实验中预期的信息增益）为不同的操作分配奖励来找到环境的最佳策略。最近的人工智能在科学研发的进展，包括成功解决50年前

技术层认知技术发展尚未成熟。其中，智能芯片、系统软件、开发框架等行业由少数企业控制，购买者甚多，替代品极少，供应者谈判能力较强，大数据、物联网、边缘计算等行业企业数量较多，市场竞争激烈，供应者谈判能力较弱。技术层处理数据的挖掘、学习与智能处理，是连接基础层与应用层的桥梁，这是人工智能行业发展的核心。应用层则是建立在基础层与技术层基础上，将人工智能技术进行商业化应用，实现技术与行业的融合发展以及不同

疫苗注射机器人通过电子耳标进行猪只的身份识别，并结合快速移动的机器人与云端数据库通讯判断是否有猪需要打针。通过AI视觉进行猪侧身与猪臀位判断，机器人利用耳标与视觉信息进行“无针头”疫苗快速输注。

具身智能发展浪潮下，数据是技术进阶的关键燃料，但高校与企业正深陷“数据壁垒”泥沼，面临着，数据采集模式成本高昂、效率低下，且数据质量与管理问题频发，多模态、高精度数据获取困难，严重阻碍了具身智能技术从研发到落地的进程。为突破这一困境，松灵机器人正式发布全链路数据采集服务方案，覆盖数据采集、清洗、标注、管理四大核心环节，提供从硬件部署到算法优化的端到端解决方案。作为松灵机器人的官方授权代理商，BFT

工厂位于二线城市，厂内有近20台的数控机床，车间内部的生产环境较为恶劣，重油污且地面易滑，充斥着较为刺鼻的气味与生产设备制造的噪音，工作人员需要承受很多来自工作环境带来的压力，因此“招工难”一直是客户所困扰的问题。而过年过节期间工作人员流失严重，“用工荒”导致工厂产能下降，订单交付时间延长，加之人口红利消失，人工成本逐年增长，客户下定决心从生产线中单一、重复的工作开始，实现用机器人换人来完成生产任

传统的有源传感器，如激光雷达（即光探测和测距）、雷达和声纳，都是先发射信号，然后再接收信号，以收集场景的三维信息。"我们的工作建立在热感知的信息理论基础之上，表明漆黑环境中的信息量与大白天的信息量相同。但雅各布说，基本的挑战阻碍了它在今天的应用。雅各布说："这些代理中的每一个都将通过先进的传感器收集周围场景的信息，从而在没有人类干预的情况下做出决策。普渡大学（Purdue University）的