
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
这类基于不确定性的主动探索,比盲目遍历更省时,也是衡量导航智能从"认路"迈向"会找"的关键。纯几何地图只记录墙与障碍,语义地图进一步标注"这是门、那是桌",让指令"去会议室"可被理解。稳定的长期记忆让智能体第二次进入同一空间时更从容,把"重新摸索"降级为"核对差异",是持续服务场景的必备能力。本文梳理具身导航的技术链路:从建图定位到路径规划、从目标导向到探索式搜索,剖析语义地图与拓扑表示如何支撑长

具身智能标志着人工智能从认知层面向实际操作的关键跃迁,使AI系统能够通过物理实体与环境进行实时交互,从而真正实现对世界的感知、理解与改造。与传统局限于数据处理和符号推理的离身AI不同,具身智能强调“身体”作为认知的延伸和行动的载体,通过视觉、触觉、力觉等多模态感知与执行机构的协同,构建起“感知-决策-行动”的闭环反馈机制。这一技术路径的突破,使得AI不再停留于信息分析或内容生成,而是能够自主完成精

具身智能想要真正走进工厂与家庭,离不开算力的实时响应,而边缘AI与模型轻量化正是让机器人“轻装上路”的关键。本文从技术交汇的视角,探讨端侧部署如何让机器人反应更快、更安全、更省电,以及工程师在其中发挥的作用。

具身智能要真正从虚拟走向现实,物理交互数据是绕不开的核心瓶颈。与大语言模型依赖互联网上已高度压缩的文本符号不同,具身智能需要学习的是如何在真实物理世界中行动——抓取、操作、接触、微调。这类数据并非孤立的数字样本,而是必须保留机器人本体、动作、任务、场景、执行轨迹与结果之间完整关联的 embodied interaction data。然而,现实中的数据状况极为严峻。业内测算,训练通用具身模型所需物

源自:自动化学报具身智能强调智能受脑、身体与环境协同影响, 更侧重关注智能体与环境的“交互”. 因此, 在具身智能的研究中, 智能体的物理形态与感知、学习、控制的关系起到至关重要的作用. 当前, 具身智能综合吸收了机构学领域关于形态、结构, 机器学习领域关于感知、学习, 以及机器人领域关于行为、控制等的相关研究成果, 形成了相对完整、独立并仍在蓬勃发展的学科分支. 但是, 目前尚无文献完整地梳理基

源自:电子与信息学报作者:周晓天, 孙上, 张海霞, 邓伊琴, 鲁彬彬“人工智能技术与咨询” 发布摘 要AI质检是智能制造的重要环节,其设备在进行产品质量检测时会产生大量计算密集型和时延敏感型任务。由于设备计算能力不足,执行检测任务时延较大,极大影响生产效率。多接入边缘计算(MEC)通过将任务卸载至边缘服务器为设备提供就近算力,提升任务执行效率。然而,系统中存在信道变化和任 务随机到达等动态因素,

CSDN大礼包《人工智能大模型课程》CSDN大礼包《人工智能平台设计开发课程》

智能制造:在智能制造领域中,边缘计算可以用于控制和监测工业自动化设备,以提高生产效率和质量,例如对机器人的控制和监测、对传感器数据的采集和分析等。物联网:在物联网领域中,边缘计算可以用于对传感器数据的处理和分析,例如对环境监测数据、健康监测数据等的处理和分析,从而提高数据的质量和价值。医疗健康:在医疗健康领域中,边缘计算可以用于对医疗设备和数据的控制和管理,例如对医疗设备的远程控制和监测、对患者健

源自:航空科学技术作者:赵俊吴宝锋徐盛果孙小菡面向航空智能制造大批量数据采集与传递的实时性要求,提出一种基于异步光分组交换(optical packet switching,OPS)技术的具有多级管理能力的边缘计算系统方案,满足多源、海量、易构、分布式数据的实时采集、安全交互及预测性分析需求。提出一种基于循环光纤延时线(Rec-fiber delay lines,FDL)全光分组冲突解决机制,建立









