登录社区云,与社区用户共同成长
邀请您加入社区
占端口多、易成路由环路对可靠性要求较高半冗余多台核心路由设备(任意路由器至少两条链路)结构灵活方便扩展、网状拓扑、多条备选路径、适合OSPF;管理不便大型网络对等子域路由器划分成两个独立子域(子域内半冗余)子域间路由汇总灵活、子域间链路带宽应高于域内;围绕VLAN的设计内容包括:VLAN划分方法、VLAN划分方案、VLAN跨设备互连、VLAN间路由。WLAN由无线接入点(AP)和无线客户端设备组成
当前以科研教育、工业自动化(精密装配、柔性分拣)、特种作业(太空、核能、深海)等B 端场景先行,验证稳定性并降低成本;整体而言,下游应用正从“能懂”向“能用、好用”转变,需要“手-感知-脑”一体化解决方案驱动,由工业刚需逐步向商业、医疗和家庭服务领域拓展。 灵巧手产业链面临技术、产业与生态三大瓶颈:技术上有“高出力、高精度、轻量化”难兼得的物理瓶颈,驱动可靠性、触觉感知、控制泛化能力存短板;上游
本文讲解 Nav2 行为树八大实战设计模式,包含反应式序列、记忆序列、优先级选择、并行调度、强制成功、故障恢复与子树复用等。适配导航动态决策、安全避障、异常重试等场景,是机器人任务编排的核心工程方案。
随着技术就绪度提升,两大生态系统正带着各自不同的规模化逻辑浮现:北美与 EMEA(欧洲、中东与非洲)推动 AI 优先的“通用型”机器人架构;西方领军者正日益将自身定位为AI与软件公司,押注竞争优势将来自基础模型与视觉语言系统,并以专有数据集为支撑,以实现在非结构化环境中的稳健自主。中国正推行以量取胜的战略:将机器人部署到娱乐、物流等界定明确、可控的工作流中,快速迭代,并通过制造规模压低成本曲线。中
最后一个层级涉及装配时间较长(每台十分钟或以上)且高变异的机器或设备的自动化装配。在此类环境中,人形机器人需要自主解读装配图纸、执行多步骤序列、识别正确零部件并完成相应的装配操作。达到这一自主水平,最终可能实现对直接生产流程中人类劳动的大规模替代。然而,此类能力将需要实质性的技术进步,因此仍属长期目标,而非近期的部署机遇。此外,人形机器人的应用并不局限于生产制造,它们还有望扩展至家庭和服务领域的各
在制造业配料应用中取得成功,很可能进而打开通往物流环境的道路——那里的变异水平与效率要求更高。在物流中,拣选是一项核心运营活动,而非装配的辅助功能。人形机器人的独特优势在于灵活地组合多项任务:一台机器人可以在某一班次为一台机器上料,在另一班次根据产能需求转往物流区域。另一类应用是将零件自动装载到夹具中,供加工中心等设备后续处理,而零件几何形状的差异往往限制了传统自动化方案的适用。尽管面向这些任务的
处理线缆、软管或织物等柔性零部件代表着下一个复杂度层级。这些材料因在搬运过程中会变形并表现出不可预测的行为,对传统自动化系统而言难以可靠操纵。具备处理此类零部件的能力,将使人形机器人得以用于拆包任务,并有助于弥合自动化仓储系统与自动化生产线之间衔接缺口。操纵柔性零部件的能力还为自动化涉及线缆布线或管路安装的重复性装配活动创造了机会。当人形机器人能够被部署于多项高复杂度任务、并接近人类工人的灵活性水
在这一模式下,人形机器人并不取代传统自动化,而是与之互补,与工业机器人、协作机器人、自主移动机器人(AMR)和传送系统等既有技术并肩运行。在软件端,这可能涵盖对来自多家主机厂的人形机器人集群的控制与编排,以及与工厂管理系统和产线控制系统的深度集成。在人形机器人制造与自动化生态中尽早卡位对工业设备与机器人企业而言,人形机器人应被视为核心战略市场,而非旁支押注。先行者可以塑造规格标准,并确立自身作为领
初期的人形机器人应用聚焦于直截了当的任务,例如从货架拣取散装货物或零件并装入机器或送上传送带,以及在入库与出库物流中于各存储点之间搬运箱子。其中许多任务已可用现有技术实现自动化——用 AGV(自动导引车)进行物料运输,用配备摄像头的机器人进行拣选作业。AGV 已提供了相当高的灵活性,这限制了人形机器人在此类场景中的增量价值。然而,这些简单用例具有重要的战略意义。因此,在此类情境中部署人形机器人的首
与此同时,主机厂应开展约十到五十台规模的试点部署,优先考虑数据多样性而非生产率,目标是尽快积累大量运营经验。合成数据也将变得日益重要——基于物理的仿真环境有助于为真实部署中难以捕捉的边缘案例与罕见场景生成训练数据。工业化要求完成产品架构定型、面向成本的设计、面向可制造性的设计,以及在供应基础上的深度合作。与电子和半导体企业的合作,对于确保大规模部署所需的计算能力、传感器与电源管理系统同样至关重要。
有些将寻求全面而高调的市场进入,主动将人形机器人定位为面向资本市场的多元化机遇,组建专门团队并为新兴生态开发定制产品。另一些企业可能采取更有选择性的路径,通过积极的业务开发,组建小型团队,以能力展示与技术研讨的方式与人形机器人企业接触——这一方式公开曝光较少,却仍能创造可观的商业机会。能够将专业零部件与经验证的规模化性能相结合、提供可作为机器人系统真实训练环境的工厂准入、提供加速机器学习与部署就绪
与此同时,主机厂应开展约十到五十台规模的试点部署,优先考虑数据多样性而非生产率,目标是尽快积累大量运营经验。合成数据也将变得日益重要——基于物理的仿真环境有助于为真实部署中难以捕捉的边缘案例与罕见场景生成训练数据。最后,在市场早期阶段,开发者之间的协作可能变得必要,数据共享联盟有助于弥补初始部署周期中规模有限的不足。工业化要求完成产品架构定型、面向成本的设计、面向可制造性的设计,以及在供应基础上的
沙特阿拉伯的“2030愿景”与阿联酋的“第四次工业革命战略”将机器人与AI列为经济多元化的优先事项。沙特与迪拜的项目充当着“活体实验室”,将人形机器人融入城市基础设施、物流与公共服务,作为真实世界部署的大规模试验场。来自主权财富基金与政府支持的加速器的大量投资,正为本地研发注入动力、扶持初创企业,并吸引全球技术领军者设立区域中心。随着能力成熟,中东不仅能满足国内需求,还能向非洲与南亚出口机器人解决
承载人形机器人开发商、零部件供应商与系统集成商的地区,将获取更大的经济收益。欧洲的起点具有优势:格外强大的汽车与工业供应商基础,加上稳健的自动化生态。与本地人形机器人主机厂携手,这些企业可结成强大伙伴关系,重振当前承压的工业部门。该地区拥有强大的机器人与自动化企业基础,仍是重要的产业核心。人形机器人可能重塑全球制造业布局。以先进人形机器人每小时约2美元的估算运营成本计,即便是劳动密集型生产也可能在
济宁机器人产业园展厅实践证明,优秀的产业展厅,是空间载体、内容叙事、数字技术三者协同产物,只有立足园区真实业务需求,才能打造真正可用、好用的产业展示空间。
另一些企业可能采取更有选择性的路径,通过积极的业务开发,组建小型团队,以能力展示与技术研讨的方式与人形机器人企业接触——这一方式公开曝光较少,却仍能创造可观的商业机会。在软件端,这可能涵盖对来自多家主机厂的人形机器人集群的控制与编排,以及与工厂管理系统和产线控制系统的深度集成。希望在快速变化的人形机器人格局中竞争的企业,应组建小型、自主、拥有实际决策权的团队,最好置于传统公司架构之外运作,以匹配人
初期的人形机器人应用聚焦于直截了当的任务,例如从货架拣取散装货物或零件并装入机器或送上传送带,以及在入库与出库物流中于各存储点之间搬运箱子。AGV 已提供了相当高的灵活性,这限制了人形机器人在此类场景中的增量价值。因此,在此类情境中部署人形机器人的首要理由,往往是制造商与机器人供应商之间的技术开发合作,而非纯粹的经济商业论证。鉴于当前的技术成熟度,人形机器人在近期的部署将聚焦于较简单的用例,并随着
具身智能首次与智算并列成为WAIC的核心板块。展馆里甚至有一条真实的汽车产线在运行,人形机器人正在参与电池模组堆叠、线束插接这些制造环节。汽车产业正在成为人工智能从虚拟世界走向物理世界最核心的试验场。而在目前市场上销量承压的背景下,几乎所有车企都在智能化上寻。
【摘要】物理AI产品面临的核心挑战在于必须在严格时序约束内完成确定性运算。本文通过智能耳机、配送机器人和无人机等案例,揭示了物理AI区别于云端AI的关键特征:硬实时性、低时序抖动和多模态同步。以智能眼镜的语音增强功能为例,10ms端到端时延预算被分解为确定性处理链路,其中AI模型推理必须在3-4ms最坏时延内完成。物理AI的设计准则强调:1)关注最坏时延而非平均值;2)控制时序抖动;3)确保多传感
机器人整理餐桌,并把一个玻璃杯放进洗碗机。机器人识别不同规格箱体,并完成抓取、搬运与托盘码垛。
此前我国缺乏有竞争力的下游集成商,因此难以形成产业带动效应。随着人形机器人的发展,领先地区可凭借链主优势或者上游配套产业优势,加强体系标准建设、促进研发技术和人才引进,吸引或培育形成有国际竞争力的产业集群,带动高端精密制造业发展水平,并最终完成自主可控、进而国际市场争取一席之地。中游整机制造环节:本体制造或集成商可依托先发优势或者更大的竞争优势,建立成本与技术护城河,率先完成研发、装配、质检等多类
第一,安全规范,在复杂环境下难以完全保证高度的可靠性,使得人形机器人在一些对安全性要求极高的场景中的应用受到限制,需要对人形机器人建立完善的安全规范和相应的检测标准以确保产品使用的安全性;关于人形机器人的标准仍处于在研或拟研制状态,人形机器人作为融合人工智能、计算机、机械、电子、控制、信息和传感、仿生等多领域多学科的综合技术载体,在基础共性、零部件、模块、整机等方面,可通过功能解耦、要素重构、性能
减速器环节以谐波减速器为例可以拆分柔轮、钢轮和波发生器。关节模组主要分为旋转关节、线性关节和灵巧手,包括的主要零部件有无框力矩电机/空心杯电机、谐波减速器/行星减速器、滚柱丝杠/滚珠丝杠、一维力/六维力传感器、编码器、伺服驱动器、轴承、腱绳、电子皮肤等,不同的应用环节上规格和技术要求也不一样。人形机器人硬件本体由关节模组配套感知系统、结构件等部件构成,其中关节模组是价值量最大、也是实现人形机器人动
据前所述,人形机器人的技术架构可分为硬件、软件两部分。随着AI 大模型、机器学习技术的突破,大模型技术开始与人形机器人深度融合,形成了以大模型为核心的智能决策系统,通过模仿学习、强化学习的训练方式不断提高模型智能化程度。基于模型的控制方法是通过建立机器人的运动学和动力学模型,进行运动轨迹规划和平衡控制,特点是身体控制稳健,但步频较慢,代表算法有零力矩点(ZMP)算法、线性倒立摆(LIP)算法、模型
截至2025 年,我国建成万卡智算集群 42 个,智能算力规模突破1590EFLOPS,算力综合实力稳居全球前列。人形机器人、工业服务机器人核心控制、动态平衡、精细操作技术持续突破,正加速从试验示范走向工厂生产、民生服务等真实场景,推动人工智能深度嵌入实体经济,实现“数实融合”从软件赋能向软硬件一体化赋能跃升,如全国首个面向家庭场景的通用人形机器人“拾光 S1”于 2026 年 5 月20 日在武
行业数据“存不好”的主要原因是,缺少完善的数据资源保存规范和指引,导致各行业数据保存规模和质量参差不齐。从公开渠道研究来看,欧美国家十分重视潜在价值数据保存的规范和指引,美国国家安全局明确电子通信数据的存储周期达100年;荷兰要求医疗机构将医疗影像数据长期存储达100年。目前,高价值的行业数据大都分散保存在各部门、各企业:一方面,难以实现数据资源集中化和规模化,导致数据使用率低,据统计每年未使用的
机器人及系统集成行业年度事件。
基于智能机器人模型层、感知层、控制层、硬件层四大技术架构,结合国内企业技术布局与产业迭代现状,当前产业已形成硬件+控制、感知+控制、大模型决策三大核心技术路线。三条路线壁垒特征、商业化节奏、未来潜力差异显著,长期将呈现“各自深耕、逐步融合”的发展态势,共同支撑产业向高阶智能化演进。三类型技术路线并行发展。
智能机器人是融合新一代智能技术,具备深度感知、智能决策、泛化交互、灵巧执行四大核心能力的智能装备,可适配复杂场景、实现自主作业,是智能制造与智能服务体系的核心载体1。依托多模态感知系统,机器人可全方位采集视觉、听觉、触觉、力觉等环境与自身状态信息,实现对复杂场景的精准认知,大幅提升环境适配能力,为后续决策与执行提供数据支撑。基于智能决策指令,通过动力学模型与高精度控制算法,机器人可灵活完成抓取、搬
在“十五五”规划(2026一2030)纲要中,首次在国家级规划文件中明确提出要鼓励多模态、智能体、具身智能、群体智能等技术创新,探索通用人工智能发展路径。这种安排不同于单一路径的“突破导向”,而是一种典型的“风险对冲机制”,政府不预先界定哪种技术路线是“最优路线”,而是交由市场和多元主体在应用中自主选择与验证。相较于美国围绕大模型形成的技术路径锁定,中国在技术路线选择上呈现出明显的去中心化特征,尤
摘要: 状态模式是机器人开发中管理行为切换的实用设计模式。传统if-else或枚举实现的状态机在状态增多时会难以维护,而状态模式将每个状态封装为独立类(如巡逻、充电、避障等),通过多态和上下文切换实现行为管理。该模式符合开闭原则,便于扩展,还能明确处理状态的进入/退出逻辑。变体包括表驱动状态机和层级状态机。面试中需区分状态模式与策略模式(前者自动切换状态,后者手动选择策略),并注意状态对象的复用优
本文介绍了机器人开发中常用的观察者模式和策略模式。观察者模式通过发布-订阅机制实现对象间一对多的通知(如ROS2的回调系统),策略模式则封装可互换的算法(如机器人导航策略切换)。文章提供了两种模式的C++实现示例,并对比了相关设计模式的区别,强调在面试中结合项目实践讲解模式应用的价值。最后指出观察者模式在多线程环境下的线程安全问题,并预告下一篇将探讨状态模式。
这篇文章介绍了C++面试中常见的两种设计模式:单例模式和工厂模式。单例模式确保类只有一个实例,C++11推荐使用Meyers单例实现线程安全,但需注意单例作为全局变量的缺点,如依赖关系不透明和生命周期难控制。工厂模式通过抽象接口创建对象,比直接使用new更灵活,支持扩展而不修改调用方代码。文章还提到工厂模式的进阶实现(如注册机制)和实际应用场景(如机器人开发中的ROS2组件加载),并强调面试中应结
少样本与零样本学习技术成为破解机器人 “任务定制化”壁垒的关键。Google DeepMind基于RT系列模型的演进,验证了在多模态输入下,机器人仅凭自然语言指令即可对未见过的物体执行抓取与操作任务,展现了初级的零样本泛化潜力。少样本与零样本学习技术的突破,有效降低了具身智能的应用门槛,使其从单一固定任务向多场景柔性适配转变,加速了在中小企业的潜在普及。作为通向通用人工智能的重要路径,该技术为机器
学术界在仿生多模态传感上的探索(如结合视-触觉信息的多模态大模型),正逐步提升机器人对非结构化物体(如软性食材、易损器件)的操作适应性,为医疗与精密制造场景打开新的想象空间。- 视觉感知突破:Meta发布的SAM 2模型显著提升了视频中任意目标的分割与跟踪效率,为工业视觉的实时分析提供了新的底层支撑;虽然“亚毫米级力控”与“99.8%良率”等极端指标仍局限于特定实验室环境,但在工业质检、精密装配等
工具链层面,宇树开源的Unitree RL Mjlab (基于MuJoCo/Isaac Lab架构)集成PPO与域随机化,标准化Sim-to-Real管线,有效抑制仿真到实机的分布漂移,加速强化学习步态策略的工程化落地。2025年前后,人形机器人运动控制的关键增量不在 “能不能跑跳”,而在把动态平衡、扰动恢复、步态泛化与全身协调做成可复用的工程能力:基于模型预测控制(MPC)与强化学习(RL)的S
摘要: ReActAgent是一种结合推理(Reasoning)与行动(Acting)的AI框架,通过迭代循环(思考→行动→观察)动态解决问题。其核心优势在于:1)突破预训练知识限制,调用外部工具(如搜索引擎、API)获取实时数据;2)减少大模型的"幻觉"错误,提升结果可信度;3)提供透明决策过程,增强可解释性。例如,查询天气并生成穿衣建议时,ReAct会先检索天气数据,再结合
产品评价:涵盖技术、履约、价值、维保四类指标,目前技术和履约指标是攻关重点。
应用路径:从封闭到开放、消费到生产、缝隙到主流,是配送机器人商用的三大路径。核心场景:包括外卖、杂货、电商、快递、厂区五大场景,外卖、杂货、厂区是重点。
ROS2 Topic 跨进程,有序列化和网络开销EventBus 进程内零拷贝,适合高频 System 间通知(1KHz 的安全事件)外部通信(跨节点)仍用 ROS2 Topic/Service
传统的机器视觉设备商卖的是"工业相机+光源+工控机"。AI 时代的机器视觉服务商卖的是"埃夫特的双臂机器人案例代表了机器人赛道的AI 化方向——中专学历的技术人员3 天内完成。无人工作站开发,机器人1 个月掌握复杂煮粥流程。这不是某个工厂定制的设备,而是任何工厂都可以订阅的检测能。检测能力"——不只是设备,更是背后的AI 模型、训练数据和持续迭代服务。硬件+AI 是制造业AI 服务的主力军,其中机
混合关节架构将成主流,准直驱关节是国产人形的核心方向;不同技术正围绕动态性能、负载能力、成本与场景适配形成长期分化。
ai逻辑回归 人工智能逻辑 (Logic in Artificial Intelligence)Logic, as per the definition of the Oxford dictionary, is "the reasoning conducted or assessed according to strict principles and validity". In Artific.