2025年世界机器人会议于8月8日至12日在北京经济技术发展区开幕。 以下是演讲的转录。 大家好！我今天带给您的标题是“世界触摸改进的世界模式”。 今天，我看到许多人仍然非常吸收体现的情报的发展。作为AI技术的资深人士，我很高兴看到这些发展。我于2011年从CMU毕业。当时，AI仍处于早期开发阶段。查看AI开发的早期阶段。 Imagenet始于2000年初，然后逐渐发展出视觉智能。当时，我非常不合适，自2010年以来，我一直在尝试识别愿景中的不同对象。在过去的15年中，Openai的多模式Chatgpt模型已开发出完全理解和重建语义的模型。今天，我们在纯粹的视觉重建过程中进行了研究。 我相信英特尔的结合未来Ligence应该是过去15年来视觉智能发展历史的起点。实际上，将来仍然存在一些赤字。我们应该如何补充他们以促进人工智能在融合情报方向发展？这些不便后看到了一些不便。例如，对于全局物理模型，仍然有一些参数。实际上，其中许多人在VLA模型中取得了长足的进步，我认为这也是一个很好的开始。 例如，某些具有材料和物理结构较高尺寸的参数仍然缺失。即使您想建立如此大的世界模型，也必须弥补这一过程。因此，我们认为无法获得的数据可以弥补。可以通过视觉M的演变来参考过去的发展，以及通过这些摄像机的演变，更好的视觉识别，语义理解和听觉理解奥德尔。 将来，对更多维度对象的理解必须弥补理解触摸的能力。特别有趣的是，触摸的识别和执行实际上是对象，所有都是我们的手。这是一个与听力和听力不同的Vijoes。愿景和听力在对非接触式物体的感知中非常好，但是一旦接触到它，执行器和感知器是完全统一的，这是最好的事情之一。 因此，我们相信将来我们需要通过触摸来弥补主要模型的缺陷。可以通过触摸改进VLA型号吗？它确实促进了具体情报的发展。 如何特别做？我想做一个心理实验。任何Pueto都试图从您的口袋里触摸对象。很容易知道它是钥匙，耳机还是输出口袋硬币。进行此过程的方式并不是推理的严格逻辑和计算。实际上，这是人们对这个问题和世界的进步和探索。电缆，3D结构和物理映射之间的关系。这是关键，很容易知道它是耳机。我相信机器人应该能够重建人类感知物理世界的能力。 如果有一天，一个机器人可以通过触摸和探索重建与人类类似的看法，那么我认为这是世界模型将达到最终目标的那一天。如何特别做？我们也没有开拓者。您需要从体素像素移动。通过数字像素化，我们从真实的物理世界中获得了更多的触觉感知信息，最终，我们通过物理世界的三维结构从Vóxele中形成信息，然后将其导入到物理模型中，以形成更具维度的知觉性。 如果您想实现这一目标，则此触觉识别系统必须满足三个条件： 第一个条件必须是绝对的人类感知能力，始于所有对人类触觉能力的反驳。它必须基于开始，建筑，绩效和绝对人性必须具有的形式。 第二个要求是实现系统工程优化功能的忠诚度和健壮的系统。当观察视觉和听觉感官的演变时，我们都来自第一个低像素，较低的分辨率逐渐被人性化。我们认为，触摸还需要类似的过程，这些过程逐渐接近人类的触觉能力，从而导致空间一致性，时间稳定性和信号的集成。为了生物学兼容性，它必须与人类完全相似。 第三个条件必须纳入智能，因此必须连接到大型型号，创建一个有效且可靠的算法系统，该系统可以将End -End -End与现有VLLA或VTLA模型相结合，形成Percep与人类类似的tual技能。 必须实现这三个点才能成为最大的触觉识别能力。 我们不是世界上第一个提议。他还向他的前任表示敬意。视觉触摸和轻触摸解决方案应该是您看到的最佳触觉解决方案。 Yiji还推出了Visual Touch解决方案。它通过高保真度，高像素和鲁棒性分析进行了优化。 在重复展览到人类等物理世界的演变之后，我们将重建并形成更大的能力，以反映和反映三维坐标系统的构成能力，并形成反映它的能力，并最终为我们陶醉的智能的演变而更大的模型。第一个问题是可以通过触摸传感器解决的硬件问题。 基本情报在移动和导航方面做得很好，但是操作仍然给精致的操作带来不便，这种缺乏主要是数据。数据集是我们最缺乏的。解决问题的第二种方法是数据问题。同时，我们希望通过触觉传感器和触觉解决方案加速大量高质量数据的收集。怎么做？我也相信Nvidia提出的逻辑。如果您仅信任收集数据的人才，它始终是线性的，并且不能与OpenAI或Chatgpt这样的上海数据保持最新状态。这种线性路线无法移动到宽松的智能最后一点。我们的想法是将现实用作锚点，模拟作为数据扩增过程，并利用能够将数据收集加速至10、100，甚至1000次甚至大规模的能力。但是这里有一件事。数据需要真实的数据，例如锚固以增加数量。 通过这种方式，它可以保持最新，以达到对智能数据的需求。如果合并的智能没有很好的数据，那是diffi崇拜以促进其发展。我们做了许多实验。在物理模型中，我们尝试通过NVIDIA的物理模型（例如胶粘剂，导体和几支钢笔）触摸全球数百万个对象。我们已经通过不同的环境，不同的照明和不同的物理形式进行了模拟世界中的这种模拟和触摸。该算法在REA应用中可以快速迅速。 在此期间，首先通过仿真获取基本模型，然后该模型的实际数据确实恢复了。最终，有可能完全重建最初需要通过一两个专家进行许多尝试的场景。例如，您甚至可以识别不同的对象并确定对象的位置和形状。 另外，此过程的鲁棒性需要实时校准。如果干预，也可以返回最正式的职位。它不仅专注于成功的案件，而且重点是失败ed案件。例如，当我们采取一些脆弱的事情时，人们会通过许多尝试学习。只有当您知道这些失败和成功的案件才能达到最稳定的状态。 因此，通过开发硬件和算法特征和其他数据开发，NVIDIA通过Laneit提出了一般的机器人体系结构，以及如何满足用户的需求以及如何提供这些服务。将来必须访问此架构。通过原始材料的编程和处理，可以调用几种物理智能引擎，并最终向用户传递是我们的文明，用户结果和价值。通过这种一般体系结构，可以实现一般价值的实现。 它有多普遍？我们分析了世界上80％的常见病例，人们可以看到它们也有很大不同。例如，我们建议职业运动员和专业外科医生有不同的HANDS及其智能更加专业，因此他们必须能够以方程式和软件来链接此类解决方案。 每日任务可以分为四肢的阻力类型，而较低类型的上四肢的精度。我们主要关注上肢的复杂操作和运动能力，我们可以看到它也适应了第28个原则。 80％的日常任务可用于实现更常见的模块。有20％的特殊任务可以解决更多专业的培训案例。提供操作作为服务。我们认为，复杂的服务是更好的实施路线。通过硬件，软件和算法等服务，我们可以为需要复杂操作的所有场景提供一般服务。这项服务将在今年年底之前提出，因此请注意。 最后，让我们看一下我们的Yimu技术，该技术于2015年在美国硅谷建立。AME真的很有趣。 5.25亿年前，Trilobites开发了可以检测到光的第一只眼，从而导致所有寒武纪生物的爆炸和所有知识分子的发展。我们认为，我们希望以快速和快速的规模方法促进通用人工智能的一般发展，以促进未来的智力，并成为可以做出自己贡献的人工智能的第一眼。我们想与所有人一起工作。 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）