站长之家（ChinaZ.com）7月11日 消息:李飞飞团队的最新成果是一项名为 VoxPoser 的具身智能技术，可以使机器人直接听懂人类的自然语言指令并完成复杂任务，无需额外的数据和训练。
这项技术通过将大语言模型和视觉语言模型结合，从3D 空间中分析目标和障碍物，帮助机器人进行行动规划。该方法实现了零样本能力，即机器人可以在未经过训练的情况下直接执行任务。
此外，该技术还具有涌现能力，能够评估物理特性、进行行为常识推理、进行细粒度校正和实现基于视觉的多步操作。研究人员将该技术称为计算机视觉的一颗北极星，为具身智能领域开辟了新世界。该研究成果引起了学术界的广泛兴趣，并改变了一些人对于人工智能的看法。
（举报）
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
如何复盘大模型技术爆发的这一年?除了直观的感受，你还需要一份系统的总结。斯坦福HAI研究所发布了第七个年度的AIIndex报告，这是关于人工智能行业现状的最全面的报告之一。该指数中的其他图表显示，不同人群的观点存在显著差异，年轻人更倾向于乐观地看待人工智能将如何改变他们的生活。
【新智元导读】大模型这把火点燃了整个机器人行业的热情。纵观全世界，过去几个月，国内外大模型大厂和机器人初创公司的合作也是动作不断。科大讯飞所做的，就是用技术革新，让机器人走进每个家庭。
随着AI向AGI的圣杯方向加速发展，大模型与机器人的结合是必然趋势。单一用途机器人市场已趋于饱和，AI通用机器人的巨大潜力急待开垦。有此长期志向的伙伴，欢迎加入我们，让AI机器人从梦想变为现实。
「这是自Karpathy和我2015年启动这门课程以来的第9个年头，这是人工智能和计算机视觉令人难以置信的十年!」知名AI科学家李飞飞的计算机视觉「神课」CS231n，又一次开课了。总共600多位学生报名，第一堂课的现场座无虚席:从2015年到如今，CS231n已经走到九个年头，也成为了一代计算机视觉专业学生心中的「必修课」:虽然课程代码不变，但可以猜到，2024年的课程相比2021年版本的课程有不少新增内容，这还要归因于视觉生成技术三年来的巨大飞跃。值得注意的是，在CS25课程中，除了基于自然语言处理的演讲内容之外，也覆盖了视觉Transformer的相关内容。
毫不夸张地说，ChatGPT的问世可谓“一石激起千层浪”，倒逼所有企业都开始思考一个问题:如何搭上这趟时代列车?自彼时起，全球的目光都紧盯着这个确凿无疑的时代风口。AI投资激增，各公司开始开发、采用或将AI集成到产品或业务中，全世界已经进入“AI竞赛”的时代。谁能在这方面取得突破，才能在行业中占得一席之地。
网络上一段关于南京某单位门口的机器人警察视频迅速传播开来，吸引了无数网友的眼球，引发了热烈讨论。一个颇为可爱的机器人警察在抵达单位门口时，遭遇了一个看似简单却又相当棘手的情况——它竟然无法进入单位的大门。他们有的掏出手机记录下这一有趣的瞬间，有的则站在一旁捧腹大笑。
随着机器人进入到越来越多的生产生活场景中，作业任务和环境变得更加复杂，机器人需要更精准、更稳定、更智能、更灵敏的自主导航能力。自主导航技术作为机器人技术的核心，虽然经过了多年发展，取得了长足进步，但在实践过程中，依然面临较多难题，如面对特殊障碍物难以避障、复杂场景精度降低稳定性下降、智能交互支持不足等问题，且地图构建大多仍为传统的2D栅格地图、拓扑地图，缺乏机器人用于理解环境、人机交互等业务的高层次语义信息。结合INDEMIND提供成熟的硬件参考设计和量产设计服务及相对成熟的作业单元技术，整机从立项到量产最快可以控制到2个月以内，大大降低企业的研发周期和投入成本。
随着人工智能向通用人工智能目标加速发展，星尘智能公司最新研发的AI机器人AstribotS1，以其卓越的操作性能，在同规格机器人中脱颖出。AstribotS1在未经加速的1倍速视频中，展示了其在家居和工作场景中的多任务能力，包括叠衣、分拣物品、颠锅炒菜、吸尘清洁和竞技叠杯等。它不仅能够完成日常家务能在各种工作场景中提供帮助，展现了AI机器人在未来生活中的广泛应用潜力。
InternLM2是一个面向中文和英文的大型多语言预训练语言模型。它具有语言理解、自然语言生成、多模式推理、代码理解等强大的能力。该系列模型包含多种规模，用户可以选择合适的模型进行下游任务微调或构建聊天机器人等应用。
最近几年扫地机器人新品牌型号层出不穷，各种高端功能植入更是刷新用户眼界，想要找到真正适合自己家庭的机器可还真不是件容易的事，扫地机器人哪个牌子好?全网十大扫地机器人评测你一定要看!1.斐纳TOMEFON斐纳TOMEFON是在德国销量名列前茅的扫地机器人品牌，母公司拥有四十多年的室内清洁领域服务经验，其最新款式做了9项全新技术升级，不仅可以记忆更多的地图更换新房型不需要重新建图清扫全屋速度更快还拥有全局分区规划功能，在清扫大户型房间的时候可以自主将房间划分成若干版块然后逐一清扫，配合及时清洗拖布的话就不会将灰尘带到全屋了;斐纳TOMEFON还拥有非常高端的智能配置，可以做到清洁全屋无误撞，这对于配置了高端家具和高端大理石、实木地板的用户言更为合适，无论家里地形多复杂用斐纳TOMEFON扫地都能做到不磕碰撞坏家具和边缘扫脚，小至0.5厘米的空隙、椅子腿四周都能转着圈深入清理到位，用起来真的很省心;斐纳TOMEFON的使用成本还非常之低，终生免费提供耗材的服务真的能让用户用起来不心疼;最后斐纳TOMEFON还拥有一年故障直接换新，主机保修三年的售后承诺，就连电池都给保修一年，这就更让消费者买着放心用起来安心了。2.iRobotiRobot是全球知名的扫地机器人品牌，最大的优势就是智能配置高端，最大处理能力可以在一分钟内分析23万个以上的数据点，对于复杂地形例如厚窗帘、床底、异形家具的清洁效果到位。10.海尔海尔扫地机器人因为有了母品牌的加持无论是功能植入、售后品质都得到了保证，如果想省心可以放心入。
Chat With Llama 3 是一个开源的聊天机器人，由Meta AI开发。它能够进行多种智能对话，包括解释复杂概念、创作诗歌、编写代码、解决逻辑谜题，甚至帮助用户给宠物起名。这个聊天机器人的主要优点在于它的多功能性和开源性，使其可以被广泛地应用于各种场景，并且可以根据需要进行定制和改进。
AI图片生成与搜索是一个在线平台，利用先进的人工智能技术，允许用户快速生成或搜索各种风格的AI图片。该技术的重要性在于它能够极大提高设计和创意工作的效率，同时降低成本。产品的主要优点包括丰富的图片资源、高效的生成速度、以及用户友好的界面。产品背景信息显示，这是一个面向广大创意工作者和设计师的工具，旨在帮助他们快速实现创意构想。目前，该产品提供免费试用，但具体价格和定位信息未在页面中提供。
OpenPerplex是一个提供广泛知识资源的在线平台，它通过整合多种信息源，为用户提供了一个便捷的知识获取渠道。该产品以其丰富的信息量、高效的检索能力和友好的用户界面而受到用户的青睐。它不仅适用于个人学习，也适合专业人士进行深入研究。
JavaVision是一个基于Java开发的全能视觉智能识别项目，它不仅实现了PaddleOCR-V4、YoloV8物体识别、人脸识别、以图搜图等核心功能，还可以轻松扩展到其他领域，如语音识别、动物识别、安防检查等。项目特点包括使用SpringBoot框架、多功能性、高性能、可靠稳定、易于集成和灵活可拓展。JavaVision旨在为Java开发者提供一个全面的视觉智能识别解决方案，让他们能够以熟悉且喜爱的编程语言构建出先进、可靠且易于集成的AI应用。
AI-Powered Background Removal（AI驱动的背景移除）是一款基于AI技术的在线工具，它能够快速且高效地从用户上传的图片中移除背景。该工具的主要优点在于其隐私保护和本地执行能力，即图片处理在用户设备上完成，无需上传至互联网，保证了数据的安全性和处理速度。此外，作为一款开源且完全免费的工具，它极大地释放了用户的创造力，无需担心成本问题。
SearchForJohn是一个在线搜索工具，旨在帮助用户快速找到所需的信息。它以简洁的界面和高效的搜索算法为特点，为用户提供了一个便捷的信息检索平台。该产品的主要优点包括快速响应、准确的搜索结果和用户友好的界面设计。SearchForJohn的背景信息显示，它是由一群对搜索技术充满热情的开发者创建的，旨在解决用户在信息过载时代中寻找特定信息的难题。目前，该产品提供免费试用，但具体价格和定位信息未在页面上明确展示。
OpenBioLLM-8B是由Saama AI Labs开发的先进开源语言模型，专为生物医学领域设计。该模型在大量高质量的生物医学数据上进行了微调，能够理解并生成具有领域特定准确性和流畅性的文字。它在生物医学基准测试中的表现超越了其他类似规模的开源生物医学语言模型，并与更大的专有和开源模型如GPT-3.5和Meditron-70B相比也展现出更好的结果。
小悟空是一个集成了多种智能工具的网站，旨在提高个人和团队的创作效率和运营效果。它通过提供诸如文章生成、视频脚本创作、笔记创作等多样化功能，满足不同用户在内容创作、个人表达、学习教育等方面的需求。产品背景基于人工智能技术，结合大数据分析，为用户提供个性化、高质量的服务。价格定位为免费试用，部分功能付费，以适应不同用户的需求。
Jasper Chat是一个先进的人工智能聊天工具，它通过数十亿的文章、论坛、视频文字稿和网络内容的学习，能够就复杂主题进行详细对话。它的设计易于使用，能够记住对话内容，快速生成有用、适用且独特的内容，并且支持30多种语言。Jasper Chat不仅功能强大，而且使用起来充满乐趣，可以用于写作诗歌、讲笑话、制作剧本或生成日常星座运势等。
YouTube Transcript Generator可以下载任何YouTube视频的转录文本，并提供复制、下载、搜索和转换等功能。通过AI将YouTube转录文本转换为文章或博客帖子。
Undress AI Tool是一款强大的深度脱衣应用程序，可以修改图像，使人们看起来像是没有穿衣服。它使用先进的技术准确地修改照片，生成DeepNude和AI成人图像。该工具的主要优点是可以快速准确地创建深度脱衣图像。
TinderProfile.ai是一个使用AI技术分析用户自拍和照片，生成一组高质量、专业外观的图片，以确保在约会档案上留下良好的第一印象，增加用户获得更多匹配的机会。
OpenBioLLM-70B是由Saama AI Labs开发的先进开源语言模型，专为生物医学领域设计。该模型在大量高质量的生物医学数据上进行了微调，能够理解和生成具有领域特定准确性和流畅性的文字。它在生物医学基准测试中展示了超越其他类似规模开源生物医学语言模型的优越性能，并且在与更大的专有和开源模型如GPT-4、Gemini、Medtron-70B、Med-PaLM-1和Med-PaLM-2的比较中也展现了更好的结果。
FunGifts.AI是一个提供个性化AI生成的记忆游戏的平台。用户可以上传照片，通过AI生成独特的艺术作品，并打印成为一款记忆卡片游戏。这款游戏拥有30张卡片，印有训练人物的AI艺术作品。FunGifts.AI提供快速的打印和寄送服务，为用户打造一款独一无二的记忆游戏。
Lawdeck是一款利用人工智能技术的在线法律平台，旨在自动化律师事务所的80%例行工作。它可以通过分析输入的详细信息，为用户提供最佳的法律策略，并生成完整的文件供用户编辑和共享。
ChatALL是一款桌面客户端软件，它允许用户同时与多个大型语言模型（LLMs）基础的AI聊天机器人进行对话，帮助用户发现最佳的对话结果。这款软件的主要优点在于其能够并发发送提示给不同的AI机器人，从而快速比较它们在不同任务上的表现，并找到最适合的机器人。产品背景信息显示，ChatALL适合于希望从LLMs中找到最佳答案或创作的专家、研究人员以及LLM应用的开发者。目前，ChatALL是免费提供给用户的。
TTS Generator AI是一款创新的免费在线文本转语音工具，利用先进的AI技术将书面文本转换为高质量、自然流畅的音频。该工具适用于各种用户，包括需要听觉学习材料的学生、想要听长篇文件的研究人员以及希望使其书面内容更易访问的专业人士。TTS工具的一大亮点是它能够支持各种文本格式，从简单的文本文件到复杂的PDF文件，使其非常灵活。
Neopaths是一款游戏化的个人成长平台，通过智能任务管理和微学习等功能，帮助用户开发潜力。该平台采用科学方法，提供个人成长和教育支持。Neopaths可以帮助用户提高注意力、支持长期记忆，并通过引入游戏元素和机制，使非游戏化内容更加有趣。Neopaths提供免费、有趣和简单的个人成长方法。
Illusion Diffusion是一款免费创新的AI工具，通过Stable Diffusion和Controlnet AI模型，将普通照片转化为艺术品，提供文本提示来生成视觉错觉和超现实图像。
Datascale是一个AI SQL知识库，帮助数据团队跟踪所有用于数据分析的查询。它将保存的查询转化为知识，从分散的分析中提取表格洞见和可视化关系。
