搜索
如今，大模型越来越擅长回答问题了，但当 AI 不再只停留在聊天窗口，而是走向智能眼镜、可穿戴设备乃至家庭机器人时，问题会随之改变。用户未必有时间把需求完整说出来，也未必希望助手随时插话。更理想的助手，应该能在现场真正理解人，在用户需要的时候出现，在不合适的时候保持安静。
清华系物理AI企业「清研精准」已于近日完成数亿元B3轮融资，本轮融资由北京市绿色能源基金、北汽产投领投，裕隆集团跟投。据悉，该轮资金将会用于核心人才招募、多模态数采设备的研发与规模化部署，以及算力采购与模型训练基础设施建设等方向。
来自 Sharpa、清华大学、UC Berkeley、上海交通大学、ETH Zurich 等机构的研究者提出了首个通用触觉基础策略 FTP-1。它基于约 3,000 小时、来自 26 个数据来源和 21 种触觉传感器的数据进行预训练
被一道数学竞赛题卡住很久时，高手往往能准确地判断：现在缺的是一个技术细节，还是整个思路从一开始就走错了？
公司由姚颂联合正大集团、清华青年学者于超共同发起，定位为物理智能系统公司，通过世界动作模型（WAM）与强化学习技术，推动机器人在真实商业与工业场景中落地，最终成为一个可信赖的机器人服务提供商。目前已完成近亿美元天使轮系列融资，投资方包括正大集团、华勤技术、九安医疗等多家上市企业，多位国内与国际知名企业家，以及多家一线投资机构。
近日清华大学于IEEE TPAMI发表论文，探讨了真机强化学习的安全性保障问题，提出了一套「安全探索均衡」新型机制，揭示了安全探索的理论最大边界，并攻克了其收敛性证明难题。
当 AI 智能体真正开始干活，它的每一次请求，都要经过一个你看不见的「中间人」。
机器狗去买咖啡，轮椅跟人抬杠：清华现场0遥操、全靠现挂。完全没有剧本，在清华现场，这群机器人直接把物理AGI第一幕演活了！
在机器人、自动驾驶、AR等真实场景中，空间理解从来都不是“看一眼图像”就能解决的问题。
NANO滤波器是一种新的非线性贝叶斯状态估计方法，它不依赖线性化模型，而是将预测和更新步骤转化为优化问题。这种方法在高斯分布空间中使用自然梯度，更精确地逼近最优后验，同时利用Stein引理避免显式求导，提升鲁棒性。