“刺绣情报”是在今年政府的工作报告中写的，体现了“输入”和“操作”的智能机器人。在2025年中冈论坛年度会议的公平会议上，繁忙的智能机器人也是关注的重点。 ———————————————————————————————————————————————————————————————————— 最近几天，一些聪明的机器人变得“非常忙”。 在中冈论坛的公平年度会议上，到处都可以看到机器人。近100个机器人在这里表演了“十八兵艺术”，推了，煮茶，下棋和打太极拳... 最令人困扰的是由人形机器人代表的迎接智能机器人。其中，由北京Qingfei Technology Co，Ltd开发的仿生互动机器人“ NIA”在具有现实形象的“ C位置”中稳定。总是有人询问论坛信息。在向听众回答问题和问题的同时通过声音，它还“挤压”了它的脸，模仿了人，双手，对观众提出关注，偏好等。 最近几天，作为体现情报领域的代表，北京大学的助理教授，银河系通用汽车的创始人兼Zhiyuan的董事，他放置了情报研究中心，彼此参与了几个论坛，他们讨论的主题与人类机器人机器人机器人和Talenoid Robots和Talenoid Robots和Humanoid Robots和Humanoid Robots and Humanoid Robots和Humanoid Robots和Humanoid Robots and Humanoid Robots and the Humanoid Robots均可参与。他在3月27日在2025年中冈论坛年度会议的开幕式上说，人类机器人在生产力期间将进入。 许多人形机器人已经宣布了行业交付目标，这也意味着，所谓的机器人将加速其“进入工厂”并开始“运营”。它还将允许机器人形状具有更重要的真实机器数据，这为具体的智能提供了基础，以拥抱新的旅程。 进入“ AI教AI”期间 人工智能（AI），人形机器人和具体的情报是2025年中瓜法论坛年会的流行关键词，在该论坛“人工智能日”的核心论坛 - 未来的人工智能先驱论坛上尤其如此。 “ AI-First应用程序（AI之前的申请）将爆炸。”零1000的首席执行官兼创新作品董事长Kai-Fu Lee将最新的观察结果带到了AI。他认为，今年AI领域的重点问题应该是：“与AI合作，允许LargeModel真正赋予数千个行业的能力。” 凯·李（Kai-Fu Lee）还教导说，目前，改善大型模型性能正在加速，而不是放慢速度。值得注意的是，AI能够通过“缓慢思考”来反映，并且可以自行重复并进行开发，即“ AI指向AI”，而AI进入自我调查。 “算法大学是越来越好，模型大学变得越来越好，逐渐看到了通用人工智能的曙光（AGI）。” Baidu Technology的首席官员Wang Haifeng说，从技术的角度来看，技术大学和AGI完整性非常重要。在许多不同的领域中，可以将大型模型应用于不同的语言，并且在不同的语言中也可以在不同的语言中进行不同的态度和不同的模式。行业并受益于成千上万的家庭。 目前，AI Agenang T（代理）仍然很高，许多公司加入了“ AI Agent Army”。 李·达伊（Li Dahai）是墙面智能的联合创始人兼首席执行官李·达伊（Li Dahai）的看来，大型模型是一种代理，这是代理商未来发展的方向。 “向'工作'发送大型模型是一个代理。” 他介绍了目前，面对“小钢制大炮” Minicpm Seri的端端模型ES在许多主要方向上促进了“工作”，例如车辆，手机，具体的智能和佩戴的设备，再加上终端的大型功能，并将它们与Thethere结合在一起。 Li Dahai还希望：“由大型模型代表的智能革命来临的主要时刻取决于：大型模型变得越来越强大，并在每个航站楼急忙。每个人都可以享受智慧的舒适感，并真正实现智力大学。” 数据瓶颈需要中断 数据是推动体现智能行业发展的关键要素。 Zhiyuan研究所主任Wang Zhongyuan说，世界是多模式的。当前，大多数具体体现的智能机器人都使用视觉，文本和其他方式。体现的机器人行业不熟悉VLA模型（语言语言模型，即语言语言模型）。确实，对于体现智力，很多信息离子无法有效地使用模态，例如触觉模式，对温度，时间，空间等的理解也需要体现的情报行业，这将逐渐在将来取得突破。 “数据实际上是当今发展体现情报的主要瓶颈。”他指出，目前，数据还不足以限制人形机器人的智力的灵活性和水平。他解释说，人们认为当天至今的人类机器人并不聪明和敏捷，其背后的障碍之一还不够数据。 体现的机器人需要多模式数据，包括现有的图形数据，视频数据，真实的机械数据和合成数据。其中，如何在真实的机械数据和模拟合成数据之间进行选择也是对从业人员的重要问题。 上海Jiaotong大学教授兼Qiongche Intelligence的创始人Lu Cewu说，每种数据都有价值，并提供了THe相应的信息量，但每种类型的数据也将具有“噪声”。例如，Internet具有大量的图形，文本和视频数据，并且有很多数据，并且缺乏针对人形机器人的操作数据。仿真数据对于开发具体智能也很重要，但是当面对复杂的情况，尤其是精确性高的任务时，模拟与现实之间可能存在差距。实际机器数据面临的最关键问题是其高成本。 目前，一些大型国内外企业采用了遥控操作来收集数据真实机器，但是这种方法昂贵且难以获取大型数据。为了获取足够的真实机器数据来支持人形机器人“工作”，它需要全球努力，而且太长。他说：“每个人都等不及了。” 为了解决这个问题，Galaxy General Motor试图通过大规模生产和使用Synt来训练类人机器人机器人Hetic Data不仅是便宜的，而且还显着提高了数据获取的效率。他建议从这个阶段，合成数据与实际数据的集成是可能的过程。需要大量合成数据才能使用机器人进行预训练，使用真实的机械数据进行训练后，并使用真实的机器数据来完成类人体机器人训练的“最后一英里”。 Nahe认为，当类人形机器人库存尚未达到100万台单位的水平时，合成数据是最重要的数据。 Galaxy General Motors使用合成数据来提高机器人泛化功能，从而使大型模型的数据成本真正可用和控制，并且可以由客户提供。 关于行业关于真实机器数据的辩论和综合数据的模拟，Lu Cewu认为，更关键的是各种数据的比例。他还认为，在技能发展中NT类型的数据可以转换为相对适当的比例。 一般并“进入工厂” "All we need today is really a robot who can do any work and be our real assistant in the sun -day life, so that mpeople are no longer confined to physical labor. The essence is to achieve the university, rather than a dedicated robot that can only do something in some industry scenario in the past. "On the afternoon of March 28, he told" Ai Youth Creation and lead the new quality Productivity Development Conference "which in addition to being like people in appearance, the humanoid robots need to被视为“工作”能力。 总体 - 语言机器人发展体现智能未来的能力，这也是赌博机器人真正津贴的关键，可以更好地服务于人们。他说：“在人形机器人的生产力期间，一项主要技术是基于视觉输入的端到端压纹模型，可以实现大学并概括任务的能力。 “ “总的来说，体现的机器人的问题绝对是当今具体的机器人和智力宝石所面临的最大挑战。”王中尤恩说，目前，互联网上有许多很酷的机器人视频，但是如果它们在实际情况下表现良好，这尚待证明。 王中牛为一个例子，当没有人教他时，一个小于两年的孩子学会了通过在手机上观看短视频并用蓝莓吃牙齿来拆卸糖果。从这个意义上讲，学习人脑的能力超出了当前的智力和宝石模型，这是企业的科学机构和努力的方向。他还特别期待实话NA Day机器人可以通过独立学习来学习这些技能。 在一overnight一夜的情况下，无法实现暴力行为的道路。他在身体上说了智慧世界有一个逐步的过程，可以改善这些步骤中具体智能的总体概括。 他认为，我们可以首先探索体现智力的将军以及生产力的衡量标准。无论是在超市还是工厂，偷窃，推动和步行都是排名的机器人中最必要的操作。这些机器人通过结合“处理，放手和步行”来符合这些情况下所需的基本“工作”技能。如果可以通过同情大数据和少量机器数据来推广这些技能，那么人类机器人将具有大量生产力和大量生产的空间，并大量“进入工厂”；在实施了各种应用程序方案之后，大量的真实机器数据会发展出来，人形机器人将具有交叉维度，从而进一步发展更多的技能，进入更多的方案来进行越来越复杂的活动，甚至进入人们的家中s。 “我们的主要视图是找到场景并首先使用它。” Leju机器人的创始人兼董事长Leng Xiaokun介绍了该公司在元旦完成了100个机器人的工业交付。这些机器人的应用方案包括科学研究机构，展览馆，工厂和BP。他指出，在使用不同的应用程序情况“运行”过程中，解决这些机器人暴露的问题也是一个继续改善机器人智能的过程。只有在真正的工业和家庭环境中进行连续测试和优化，机器人才能在面临中断和不确定性时保持其性能和功能。 机器人被“输入”，该行业通常会注意他们无辜的工作时间。 Leng Xiaokun说，如果没有失败的工作时间是衡量机器人可靠性的关键指标之一。 Leng Xiaokun的目标是继续继续工作。此外，Leng Xiaokun还提到，建立一个丰富的检验场景 - 闻到 - 对于确保机器人在复杂环境中的性能很重要。通过大量的仿真测试和实际机械测试，人形机器人的性能将逐渐改善。 他认为，人形机器人应该有能力从事更精致的活动，并应在“地面”上进行进步。就像进入职业技能学校一样，可以训练先进的“人类职业职业技能”，至少符合“地面地面”标准，因此他们可以安全地允许Shape机器人在更多情况下完成更复杂的活动，并真正进入数千个家庭。 中国青年日
