操作，或者需要人的现场“指挥”。这意味着机器人的功能还停留在被动执行而非主动行动层面。拿得掉遥控器，机器人才能真正独立；离得开人，它才算拥有了自己的“大脑”。除大脑不够智能之外，数据也是相当关键的制约因素。再好的算法模型，如果没有海量、高质量、贴近真实场景的数据去训练，都会沦为“纸上谈兵”。因此，让人形机器人进入实战场以提升数据质量，已成为业内共识。王兴兴在2026人形机器人与具身智能标准化年会上说，通过模仿学习采集真人数据，机器人才有望掌握人类的各类动作。中国科学院自动化研究所研究员赵晓光称，实训场就像机器人上岗前的“实训课堂”，通过由简到繁的系统训练，让机器人掌握解决实际问题的能力。然而，目前行业大多数训练模型的数据来自实验室：固定光照、固定物体位置、无干扰环境。但这一环境与真实世界有着显著差距，尤其与家庭中随时变化的自然光、随意摆放的物品、孩子和宠物的随机动作截然不同。在实验室里表现优异的模型，一旦面对真实家庭的“混乱”，准确率可能从90%骤降到60%以下。机器人保洁员每次完成任务后，都会将脱敏后的感知数据和操作数据回传至训练平台。这些来自真实场景的“一手经验”，成为模型迭代最宝贵的养料。“训练的数据包括两个部分，我们用实验室的数据去帮助它建立基本能力，用真实场景的数据让模型学会真正的生存。”王潜说。接下来，搭载Wall-B的新一代具身智能机器人将更大批量进入多个城市的家庭场景，并加快训练、增强能力，使机器人尽快成为人类的家庭成员与好帮手。可以预见，在不远的将来，当我们听到门铃开门，迎接一位机器人保洁员进门服务，或许会像今天看到扫地机器人一样习以为常。
=*=*=*=*=*=
当前为第3/3页
上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页