logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

具身智能迎数据元年

凭借完整的产业链和复合优势,中国机器人企业加速出海:智元在马来西亚开设体验馆,宇树科技平台被克罗地亚企业用于打造本土化机器人,波兰引进的中国机器人甚至进入议会大厅。然而,业内人士指出,尽管大模型算力与算法日趋成熟,制约机器人通用能力和大规模落地的核心瓶颈依然是数据短缺。在2026北京亦庄人形机器人半程马拉松中,荣耀终端股份有限公司的“闪电”机器人以50分26秒的成绩夺冠,不仅大幅刷新了去年的人形机

文章图片
#人工智能
英伟达机器人研究具身智能新范式:世界动作模型

摘要:具身智能的发展路径与大型语言模型(LLM)相似,核心在于构建强大的视频生成与理解模型,并演化为"世界动作模型"。两者都遵循通过海量无标注数据学习通用表示,并预测序列基本单元的范式。视频作为记录物理世界动态变化的丰富模态,是学习通用物理规律和因果关系的理想载体。世界动作模型在视频模型基础上引入动作维度,实现从被动观察到主动规划的转变,需解决模态、空间和时间三重一致性的挑战。

文章图片
#机器人
2026具身智能技术评估的新指标

2026年具身智能评估体系将迎来重大变革,从传统的视频生成质量评估转向以物理真实性、因果推理、任务泛化和安全交互为核心的多维度标准。新评估体系包含四大关键维度:物理真实性的动力学一致性检测、因果推理的反事实分析能力、任务导向的零样本泛化表现,以及安全伦理的决策可解释性。评估方法将结合高保真物理仿真环境和真实世界测试数据,通过自动化指标与人工评判相结合的方式,建立行业级认证标准。这一变革标志着具身智

文章图片
#人工智能
具身智能新突破:AI驱动机器人迈向真实世界

抱歉,未能检索到过去24小时内符合您特定偏好(具身智能、机器人、芯片、大模型)的10条高影响力科技新闻。这可能是因为当前时间段内相关领域的重大突破性新闻较少,或者全网实时数据源暂时未更新。不过,基于近期的行业趋势和热点,我可以为您梳理一下目前。

文章图片
#人工智能
清华开源智能体PilotDeck:智能路由技术大幅降低AI落地成本

清华大学团队开源生产级智能体操作系统PilotDeck,通过四层智能路由技术实现70%成本降低。系统自动拆解任务并分级调度不同模型,简单任务使用轻量模型,仅复杂任务调用高端大模型,同时通过上下文缓存减少冗余消耗。实测显示在代码开发、新媒体生产、金融分析等场景中,在保持输出质量前提下成本降至1/6到1/4。系统还具备项目隔离、记忆编辑、自动化执行等工程化功能,解决传统智能体高成本、难管控问题,为中小

文章图片
#开源#人工智能
2026 年 AI 算力时代:磷化铟的战略角色与未来格局

《磷化铟:AI算力时代的光互联基石》 摘要:磷化铟(InP)正成为AI算力竞赛的关键材料,其电子迁移率是硅的10倍,完美适配1.6T/3.2T光模块需求。2026年全球AI算力网络将面临三大转变:800G光模块标配化、CPO技术规模应用、万卡集群全光互联。磷化铟凭借高频特性成为高速光模块唯一解决方案,同时面临70%的供需缺口。中国虽掌握全球80%铟资源,但高端磷化铟产品仍受制于日美企业。未来5年,

文章图片
#人工智能
工业仿真知识图谱2026:迈向智能统一新纪元

2026年工业仿真知识图谱本体标准取得显著进展,形成分层融合的语义框架体系。标准体系涵盖顶层通用本体(如ISO/IEC 21838-2)、工业通用本体(如ISO 23247)及垂直领域本体(如FMI 3.0、MBSE等),实现跨工具和生命周期的数据互操作。核心技术突破包括:LLM辅助的自动化本体构建、基于深度学习的本体对齐服务、仿真状态与本体的动态绑定。应用呈现"图谱中心"和&

文章图片
#人工智能#数据库架构
多智能体K8s部署关键挑战解析

本文探讨了将基于OpenAI兼容API的多智能体协同架构迁移至Kubernetes环境的技术挑战与解决方案。核心难点包括:1)异构智能体的容器化封装与镜像管理,需为不同技术栈构建定制化Docker镜像;2)编排器和状态存储等组件的差异化部署策略;3)K8s动态环境下的服务发现机制设计;4)配置与密钥的安全管理;5)网络策略实施。通过合理运用Deployment、StatefulSet、Servic

文章图片
#kubernetes#容器#云原生
K8s中GPU智能体扩缩容的显存碎片优化

GPU智能体在Kubernetes环境中水平扩缩容时面临显存碎片化问题,导致资源浪费和调度失败。解决方案包括:1)采用vLLM等支持分页内存管理的推理引擎,消除KV缓存碎片;2)实施精细化GPU调度策略,包括整卡分配、节点标签隔离;3)基于GPU利用率等自定义指标实现智能扩缩容;4)应用层优化如模型量化、批处理控制。建议通过基准测试确定资源需求,结合节点标签、vLLM部署和自定义HPA构建健壮的G

文章图片
#kubernetes#容器#云原生
GPU显存HPA:K8s智能扩缩实战

本文介绍了在Kubernetes中基于GPU显存使用率配置HPA的方法。主要内容包括:1)通过nvidia-dcgm-exporter采集GPU指标;2)使用Prometheus存储和聚合指标;3)通过prometheus-adapter将指标转换为Kubernetes自定义指标;4)配置HPA基于显存使用率自动扩缩容。文章详细说明了各组件部署步骤和关键配置,并提供了最佳实践建议,如合理设置目标值

文章图片
#kubernetes#容器#云原生
    共 126 条
  • 1
  • 2
  • 3
  • 13
  • 请选择