📚 Wiki 知识库

🏷️ 机器人

16 篇

顶尖VC 2026年动向观察:硬基建与深垂直的押注

文章分析了2026年顶尖独立VC机构的投资动向,指出资本正从浅层应用转向硬基建、物理世界和深垂直领域。通过分析赛道年龄、轮次和具体公司(如Atoms、Etched、Cognition等),揭示了AI创业窗口正在收窄,而推理芯片、机器人、企业Agent及特定垂直工作流成为投资热点。

投资风投 ✍ snowboat🕐 2026-07-28

物理AI感知层全赛道地图与投资框架(2026全球版)

本文深入剖析了2026年物理AI感知层的全赛道格局,涵盖激光雷达、事件相机、太赫兹视觉等五大领域。通过Gartner曲线定位与三层护城河模型,文章揭示了“传感器前融合芯片化”等范式转移,并指出真正的投资机会在于上游材料与芯片生态,而非单纯的传感器组装。

投资硬科技 ✍ animajoe0917🕐 2026-07-02

什么是具身智能?它跟 AI 的关系是什么?

文章深入解析了具身智能的定义、历史渊源及发展现状。作者区分了具身智能与传统机器人,指出其核心在于感知-行动闭环与物理世界的实时交互。文章回顾了从符号主义、行为主义到深度学习、Transformer时代的技术演进,分析了VLA模型如何继承大模型能力来突破泛化难题,探讨其与AI的本质关系及未来前景。

技术LLM ✍ snowboat🕐 2026-06-17

你不知道的具身智能:从小机器狗到 Optimus

本文记录了作者组装一台小机器狗的实践过程,并以此引出对具身智能技术栈的深度剖析。文章涵盖了从硬件选型(STM32, ESP32)到空间感知(SLAM, 3D表示),再到动作控制模型(VLA, RT系列)的演进,最后重点分析了 Tesla Optimus 在工程制造、时空分层与能耗上的技术难点。

技术人工智能 ✍ Tw93🕐 2026-06-07

翻译:李飞飞关于世界模型的分类

本文基于李飞飞的观点,深入探讨了“世界模型”这一AI术语在当前语境下的定义与功能。文章通过强化学习中的POMDP框架,将世界模型系统分为三类:输出视觉观察的“渲染器”、输出物理状态的“模拟器”以及输出行动指令的“规划器”。作者指出,尽管渲染器目前商业应用最成熟,但模拟器作为连接视觉与行动的桥梁,是实现空间智能和通用机器人的关键。文章最后预测,这三类功能的边界将逐渐坍缩,最终融合为一个统一的、能够理解并交互物理世界的基础模型。

技术LLM ✍ Mr Panda🕐 2026-06-05

未来两年物理AI股票alpha抓取深度研究

本文旨在探讨未来两年内“物理 AI”(机器人和自动化技术)领域的投资 Alpha 机会。作者明确指出,最确定的需求不在于“人形机器人”的故事,而在于已经开始产生现金流的物理 AI 基础层,如车载感知、边缘计算和仓储自动化。文章重点分析了 Ambarella、Mobileye、Symbotic、Intuitive Surgical 等公司,认为利润将流向高附加值、高切换成本的环节,并给出了具体的买入排序和交易策略。

投资股票 ✍ 华尔街没有名字🕐 2026-05-22

基于 Codex 的闲鱼自动回复与自动发货系统部署教程

本文介绍了如何利用 AI 编程工具 Codex,在零代码基础上部署一套闲鱼平台的自动客服与发货系统。文章详细讲解了环境准备、通过 Codex 指令自动拉取项目、扫码登录闲鱼账号、配置卡券及自动发货规则的完整流程。该系统支持多账号挂机、关键词秒回及付款后自动发送卡密,旨在通过 AI 辅助实现电商运营的自动化。

技术Codex ✍ Kafka🕐 2026-05-17

Physical AI: 机器人领域的 1000 亿美元新蓝海

文章深入剖析了 NVIDIA 在机器人领域构建的隐秘且强大的操作系统,这是一个由 Cosmos(想象力/仿真)、GR00T(大脑/推理)和 Newton(物理引擎/身体)组成的全栈技术体系。文章指出,虽然大众关注机器人的硬件动态,但 NVIDIA 通过开源 Cosmos Cookbook 等工具,已经为开发者解决了物理世界 AI 中数据稀缺和仿真模拟等核心难题,标志着机器人开发范式的根本性转变。

技术LLM ✍ Utkarsh🕐 2026-04-28

因子图与“世界模型”:统一的感知与规划框架

文章探讨了世界模型与因子图之间的深层联系。作者指出,因子图本质上是基于能量的模型,可用于状态估计和SLAM。通过将世界模型锚定在“现在”,文章提出了STAG框架,该框架利用统一的因子图优化机制,同时处理基于过去数据的感知和基于未来目标的规划,实现了感知与行动的无缝融合。

技术LLM ✍ Frank Dellaert🕐 2026-04-24

π0.7 与机器人数据公司的误区

文章批评了仅靠堆砌人类数据解决机器人问题的观点,深度解析了 Physical Intelligence 的 π0.7 论文。π0.7 通过拒绝仿真数据、利用子目标图像作为引导(Affordances)、以及增加详细的任务元数据(如子目标、子任务指令)来解决数据冲突,实现了跨具身迁移和更好的指令遵循。作者指出,机器人数据公司应通过自建机器人并提供高质量注释来创造价值,而非单纯销售原始数据。

技术Agent ✍ Shreyas Gite🕐 2026-04-22

Openclaw飞书安装与配置实战教程

本文主要介绍了如何配置 Openclaw 接入飞书。由于 Openclaw 经历更名且飞书插件已内置,许多老教程已失效,作者针对闲鱼上的常见问题提供了新版教程。内容涵盖飞书官网创建自建应用、添加机器人与权限、安装 Zod 模块、处理版本兼容性(建议 2.3.3)、配置长连接接收事件以及最终的机器人配对验证,旨在帮助读者解决配置中的报错问题。

技术Openclaw ✍ 有志出海🕐 2026-02-09