2025年世界机器人会议于8月8日至12日在北京经济和技术发展区举行。 以下是演讲的转录。 大家好。我们非常荣幸来这里分享公司的最新科学研究结果，并与您分享营销进度。首先，让我向我们的公司介绍自己。 我们的公司成立于2023年5月，是一家人形机器人公司。我们的目标是建立一个大型模型，将大脑驱动到高水平的智力上，并将其与类人动物硬件结合起来，以执行大脑，最终在行业和部门中获得了通用的人形机器人。 该任务加深了为真实世界情景应用程序所纳入的智能模型。设备齐全的情报知道，必须解决两个关键挑战，从结构化的应用程序阶层到完全非结构化的应用程序。 第一个挑战是解决数据瓶颈。 第二大挑战E是，应使用数据概括机器人并在各种情况下实施。 此过程目前有两种主要方法来收集行业数据。 方法1：它用于收集真实数据等同于使用远程操作员控制机器人的主臂并增强奴隶臂以收集此类真实数据，但是现实中的合并模型可能需要数十亿个数据来实现对模型的一定程度的概括。 方法2：我们将主要促进仿真综合技术，我们培训许多虚拟世界技能，并将这些技能应用于现实世界。 最近，人们一直在讨论两条技术路线，有人说真实数据的质量比模拟数据的质量高。我们需要从更深层次的层次上研究这个问题的本质。从自动学习的角度来看，Incorporated Intelligent模型具有两个学习目标。 目标1：要学习语义，您需要了解ND环境，状态和任务，即您想做的作为机器人。 目标2：我希望机器人作为人类，具有非常普遍的运动性能。只有这样，您才能不断，精确地执行不同任务所需的各种技能。 从这两个角度来看，在将仿真数据与合成数据进行比较时，您必须查看谁具有最佳优势。从纹理的角度来看，这也是使我们对人类更加敏感的原因。当然，实际数据确实更现实，但是当前的多模式模型级别解决了此问题，主要是因为Incorporated模型识别需要相互作用的对象会影响它。实际上，是真正影响融合模型运动表现的几何形状，材料和轨迹。在这三个维度中，可以在模拟器中执行许多随机化。超出真实对象的概括使模型可以学习更广泛的数据分发Bution。 从这个角度来看，这就是为什么使用模拟合成的原因。带有数据的训练有素的机器人可以完全概括以前没有看到的对象。其背后的逻辑是首先考虑机器人需要学习通用知识的原因。每个人都知道，人类学习目标是成为专家，但是机器人的学习目标希望成为AGI。这似乎是矛盾的，但是实际上，我们需要考虑这背后的真相。人类学习的知识是第一个，并且学习更广泛，更广泛的知识，并将其转化为特殊但困难的经历。例如，我们研究高中的文科和科学，并开始将受试者分为高中。只有大学和研究生开始分裂。 这种类型的思想在逻辑上的自动学习和人类学习中引入了结合模拟和真实数据的培训范式。仿真数据实际上是训练前非常好的训练材料，因为很难获得大量的实际数据，而真实数据的定位，一致性和稳定性不精确，一致和稳定。 在邮政阶段的培训，使用少量的实际数据来使纹理和语义级别的任务目标保持一致。这种范式可以从商业实施层面上迅速从智能智能模型，实验室模型中迅速发展。接下来，我们将介绍今年早些时候进行的基本概括模型。这种基本模型的使用需要关注融合模型成功的标准，成功的条件以及哪些条件失败。即使您只有1％的成功率，您仍然可以在每个人都可以看到的视频中记录下来。 如果您真的在乎是否可以在商业上进行商业化的模型和合并功能，则需要进行多维和系统评估孕妇。 在训练了十亿个合成模拟数据水平之后，我们的模型可以在无形的光条件下有效地概括。这种概括条件包括寒冷和温暖光的持续变化以及光线突然变化。即使在极端的测试中，机器人也要求采用指定的物体，突然熄灭光线并用人的手移动物体的位置，从而使机器人手臂不断采取措施。 此外，如果您想应用模型并将其概括。必须解决环境干扰。当我们工作时，我们仍然可以有效抵抗干扰，并知道我们的目标在哪里以及如何实现目标。 您必须了解任务状态，而不仅仅是广义动作。有效且适用的机器人是我的任务的指导，在此步骤中成功的条件和标准是什么？例如，如果您要求他们帮助您获得Yibao矿泉水瓶，他们将积极干扰PRocess。实际上，您可以知道该指令在此状态下未完成，并且此任务必须继续运行。在该领域中，它被称为“真实时间电路”策略，以调整以进行调整，直到完成指令并执行下一步为止。 我所表明的是，它没有经历过真实的数据培训。为了展示实践机器人的广义技能，培训后您该如何处理实际数据？有了我们的想法，它要求机器人在培训后学习新技能，但可以让您学习如何运用所获得的技能。例如，如果您在训练后未接受训练，机器人将随机选择一瓶矿泉水来抓住它。经过200个真实数据训练后，他知道如何将其从左到右进行往返。培训后，使用少量的实际数据教授了使用技能的最大要求。 学习后，您也可以推广某些SK我从未见过的Skus所需的疾病，例如Longshan和Leaf Springs Orientals。瓶子的形状，饮料的颜色和接触材料完全不同。您还可以从示例中学习并将其应用于其他方面。 一种使台式轨道模型的商业实现，真正破坏场景并大规模实施的方法。我们在今年年初的努力表明，我们首先需要创建一个技术模型来概括固定材料，然后从配置旁边的桌子上快速获取它。但是，在第二个状态下，这个架子几乎没有放置在架子上，因为今天WRC几乎没有放置许多架子。 第三阶段需要解决密集放置的问题。为了消除物体，如果不缝在密集的架子上，您找不到酒吧。您必须让他们了解该模型将如何影响整个架子。在这个w中好的，模型将允许您以最稳定，最安全和可靠的方式成功地消除瓶装对象，并对周围环境进行丝毫干扰。 第四阶段是实现100％的货架现实生活的恢复。承认平坦和悬挂形式。昨天，在北京和海迪安地区的支持下，机器人经营的智能零售空间仓库也在中冈的达隆昌开业。欢迎他们体验它。 此过程还包括将规则纳入基本产品之后的技能。拍摄后，您可以根据规则定期从左到右进行往返。从自动末端到概括过程的VLA背后是VLA。同时，如果您不仅要在无人的场景中而且在人类的情况下使用这种模型，那么必须拥有什么样的功能，这是预防INTerference。 例如，当您想获得一个对象，或者在使用该对象时突然被盗时，您可以知道您是否可以尝试干扰架子上的其他对象。例如，如果某人向右推，左或返回干预，则该模型知道目标在哪里以及如何实现目标。 这是两周前的Waic的具体展览。我们是第一个在各种瓶子，罐装盒子和枪管中实施的国家机器人，包括放置在那里的真正货架。这背后是高效仿真合成和少量真实数据的良好调整的支持。 该过程还证明了体验机器人服务是否可靠和高效的技能。 在短短的一个星期内，我们从Waic返回，在一个非常强大的基础模型的帮助下，我们再次进化，Aprenwe在一周内用双手接管了它。众所周知，人类很难同时使用它，但是机器人可以做到。在这个阶段，机器人T可以同时开始与左右手一起工作，采用不同的对象。接下来，机器人甚至可以用左手和右手执行不同的家庭任务。你可以做到这一点。这不仅使我们更接近人类工作的效率，而且超出了人类工作的效率。在此背后是数据生产和培训技术，用于培训结合虚拟和真实模型的大型模型。 除货架场景外，它还使用模拟的合成碱和生产线来产生大型灵活性，两只手和灵活的操作。灵活的操作还可以通过类型，颜色和样式服装进行有效而真实的概括。除了灵活的情况外，我最近与Yushu合作开发了一种导航模型，该模型使您可以在不创建地图的情况下直接在现实世界中创建地图。该导航模型使您可以理解现实世界中的说明，确定现场的内容D执行准确跟踪交互式对象的任务。监视一旦目标消失在视觉中，大型模型的推理能力就可以用于预测和推断其将消失的方向。 在将其与商用无人机解决方案进行比较时，我们可以看到无人机解决方案使用非最终模块化系统来完成。当人们从视力中消失时，他们就无法判断，不能再跟随他们。如果大型模型有能力猜测和预测，则可以密切关注其所有者。它还将这种出色模型的真实演示带入了WRC站点。您还可以访问B108的Stand B108进行经验丰富的详细信息。 除了导航模型外，它还与操作技能相结合，这使机器人能够真正在我们周围进行广泛的移动操作，收集垃圾并积极提供各种服务。这是一种修改的柔术机器人，通常通过全身MOV的控制来收集垃圾在北京大学校园里的恩特。您甚至可以不发送指示就可以理解您需要做的事情。 除了这些主要应用外，它还促进了各种行业的大型模型。这是与携带应用程序的联系。我们已经在北京某些地方开设了10多个无人驾驶和无人零售商的仓库。每个人都从应用程序中订购。机器人订购，包装并自动运送到携带食物的应用中很可能。此外，我们开设了一个零售仓库，直接向客户攻击，使每个人都可以体验和互动。 此外，我们还与国际汽车制造商合作，在我们的工厂中进行了SPS的广义拆卸，将这种智能技术纳入了工业领域，以及零售贸易，从而提高了真正的新生产力。 它还促进合作ITH国家汽车公司将负载容器运输到生产线。此外，它正在国外迅速扩展其市场。这是在中东一家7星酒店举行的一般欢迎招待会。在这些机器人的背后，除了硬件保证外，还有一个智能的大脑。他们的大脑不仅可以普遍散发出来，而且动作的转变也需要一种与每个人自然互动的语言。 这是我今天的简短介绍。我们希望您关注我们的营销进步和科学研究的进步。我们希望我们的产品能尽快与您联系。谢谢大家！ 官方NINA Finance帐户 24-最新信息和财务视频的流离失所，以及扫描QR码以关注更多粉丝（Sinafinance）