斯坦福年初刚教完机器人炒菜，现在又教机器人系鞋带!他们还发布了全球首个机器人自主系鞋带演示视频:与之前的炒菜版1.0相比，这个版本的它可以执行更加轻巧、复杂的任务。评论区的网友也是一片夸夸:网友一:小手怪巧的，我系鞋带都没他系的好!网友二:OMG!是个好东西!量产!网友三:可
......
本文由站长之家合作伙伴自媒体作者“量子位公众号”授权发布于站长之家平台，本平台仅提供信息索引服务。由于内容发布时间超过平台更新维护时间，为了保证文章信息的及时性，内容观点的准确性，平台将不提供完全的内容展现，本页面内容仅为平台搜索索引使用。需阅读完整内容的用户，请查看原文，获取内容详情。
（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
北京市发出首张具身智能机器人食品经营许可证”，让具有感知和学习能力的智能机器人能够成功进入餐饮市场，为消费者服务。考虑到智能机器人进入餐饮领域后的监管空白，海淀区市场监管局还在全国率先制定了餐饮服务智能机器人”的管理规范和47项监管项目，确保机器人安全上岗。食神”不仅能够提供功能性的辅助，更包含了生理、心理、哲学、审美、文化历史、人情世故等关于烹饪的一切，是一个有情绪”、拟人化”的大模型。
梦工厂的《荒野机器人》首周票房击败蒂姆伯顿大法师，为汽车人出了一口恶气。华纳的《阴间大法师2》上映四周之久仍取得1600万美元票房，有望占据本周票房榜亚军位置。该片上周以一百万美元之差险胜首周开画的《变形金刚：起源》，蝉联三周票房冠军，令渠道大跌眼镜。环球影业的《荒野机器人》本周票房将达3400万美元，超出业界预期，分析师之前预计该片的首周票房在2400万至3000万之间。《荒野机器人》由克里斯桑德斯执导，奥斯卡奖得主卢皮塔尼永奥为片中赶鸭子上架的机器人母亲配音：派拉蒙的《变形金刚：起源》上映两周滑落至第三，预?
【新智元导读】刚刚，OpenAI重金押注的人形机器人初创1X终于揭秘了背后的「世界模型」——它能够根据真实数据，生成针对不同场景的中的行为预测!机器人领域的ChatGPT时刻，或许真的要来了。OpenAI投下重注人形机器人初创1X，终于放出了NEO官宣视频。现在1X模型没有自我意识的表现。
不仅需要“新花样”，还要搞好“基本功”。行业祛魅，重啃技术战正如所有人都知道市场会发生变化，但扫地机器人的陡然降温还是给大多数人上了一课。尽管到了2023年，市场有所复苏，但零售量的增长也仅为4%。一时间，如何破解增长焦虑成为了行业难题。在卷完营销卷颜值，卷完颜值卷参数之后，行业的玩家们深刻认知到，如果没有触达产品核心层的创新，便无法带来�
购买扫地机器人最怕的事情就是买错踩雷了，伴随着人工智能发展，扫地机器人功能配置升级之后出现故障的几率是越来越高，来回寄送维修随便就是半个月时间不包括那些不在保修范围内的配件更换收费，以至于种种售后问题真的想想就让人头皮发麻，导致很多潜在用户都是反复研究却不敢下单。那么扫地机器人到底哪个牌子好?按照我这几个方法下手选包你绝不踩雷!首先比智能配置这个智能配置的比对可不是比多，重点是比实用性。最后比售后政策用了好几年的扫地机器人、见识过各种苛刻的售后条款、被判定为用户使用失误导致的故障收过大几百的维修费用之后，我真的奉劝大家要买就买像斐纳TOMEFON这样售后做得更好的，一年故障直接换新、主机保修三年的政策真的超级省心，人工客服一对一服务的承诺也省去了用户和机器人客服斗智斗勇的尴尬，扫地机器人使用频次高难免出现小问题，售后服务好不推脱的产品真的更值得无脑冲。
随着人工智能技术的不断进步，机器人正在向更具人性化的方向发展机器人产业也正在迎来前所未有的黄金发展期。根据赛迪顾问发布的最新报告，预计到2026年中国人形机器人产业规模将突破200亿元。天马行空的创新者舞台，把高高在上的科技拽进了人们的身边，成为外滩大会的“靓丽名片”。
即将于11月发售的《刺客信条：影》是育碧今年的重头戏，育碧承诺将带来系列中最宏大的体验。然据多位游戏主播和玩家的爆料，在《刺客信条：影》最新预告片的评论区，出现了大量疑似机器人账号发布的雷同好评。育碧副执行制作人Marc-AlexisCote表示，希望玩家对游戏保持开放态度，但《刺客信条：影》在日本市场的预购情况并不乐观。
具身智能领域的“癫”，已经进入nextlevel了!来看这段视频:人形机器人在前面跑，一群机器狗在后面追;然后人追着狗，接着狗追着人……最后那位机器人还有很重的「偷感」在身上。这样它就真的很真狗啊!第二点是BabyAlphaA2拥有SuperChat功能。机器人对人类的价值，从来不只是“科幻”和冷冰冰的硬件已。
2024年9月24日，以“工业聚能，新质领航”为主题的第24届中国国际工业博览会在上海国家会展中心盛大开幕。工博会作为全球制造业的风向标，吸引了众多人工智能相关领域企业参展。目前，爱普生有限公司已取得的资质包括：-2004年5月，爱普生有限公司经中国商务部批准，获得“地区总部”认定。
全球首次以「电驱机器人」打破波士顿动力空翻专利的那家机器人公司，不藏了!旗下人形机器人的更多技能技巧，被摆到台前。它还会一些精细活:做咖啡。就像当年的互联网一样，把技术带到千行百业，解决实际问题。
Canvas是OpenAI推出的一个新界面，旨在通过与ChatGPT的协作来改进写作和编码项目。它允许用户在一个单独的窗口中与ChatGPT一起工作，超越了简单的聊天界面。Canvas利用GPT-4o模型，能够更好地理解用户的上下文，并提供内联反馈和建议。它支持直接编辑文本或代码，并提供快捷操作菜单，帮助用户调整写作长度、调试代码等。Canvas还支持版本回溯，帮助用户管理项目的不同版本。
Text Behind Image 是一个开源的设计工具，允许用户轻松创建文字背景图片设计。它提供了一个简洁的界面，让用户可以自由地在图片上添加文字，创造出独特的视觉效果。这个工具对于设计师、社交媒体运营者和内容创作者来说非常有用，因为它可以快速生成具有吸引力的视觉内容。
torchao是PyTorch的一个库，专注于自定义数据类型和优化，支持量化和稀疏化权重、梯度、优化器和激活函数，用于推理和训练。它与torch.compile()和FSDP2兼容，能够为大多数PyTorch模型提供加速。torchao旨在通过量化感知训练（QAT）和后训练量化（PTQ）等技术，提高模型的推理速度和内存效率，同时尽量减小精度损失。
Liquid Foundation Models (LFMs) 是一系列新型的生成式AI模型，它们在各种规模上都达到了最先进的性能，同时保持了更小的内存占用和更高效的推理效率。LFMs 利用动态系统理论、信号处理和数值线性代数的计算单元，可以处理包括视频、音频、文本、时间序列和信号在内的任何类型的序列数据。这些模型是通用的AI模型，旨在处理大规模的序列多模态数据，实现高级推理，并做出可靠的决策。
NVLM-D-72B是NVIDIA推出的一款多模态大型语言模型，专注于视觉-语言任务，并且通过多模态训练提升了文本性能。该模型在视觉-语言基准测试中取得了与业界领先模型相媲美的成绩。
gradio-bot是一个可以将Hugging Face Space或Gradio应用转化为Discord机器人的工具。它允许开发者通过简单的命令行操作，将现有的机器学习模型或应用快速部署到Discord平台上，实现自动化交互。这不仅提高了应用的可达性，还为开发者提供了一个与用户直接交互的新渠道。
AI-Powered Meeting Summarizer是一个基于Gradio的网站应用，能够将会议录音转换为文本，并使用whisper.cpp进行音频到文本的转换，以及Ollama服务器进行文本摘要。该工具非常适合快速提取会议中的关键点、决策和行动项目。
VARAG是一个支持多种检索技术的系统，优化了文本、图像和多模态文档检索的不同用例。它通过将文档页面作为图像嵌入，简化了传统的检索流程，并使用先进的视觉语言模型进行编码，提高了检索的准确性和效率。VARAG的主要优点在于它能够处理复杂的视觉和文本内容，为文档检索提供强大的支持。
JoyHallo是一个数字人模型，专为普通话视频生成而设计。它通过收集来自京东健康国际有限公司员工的29小时普通话视频，创建了jdh-Hallo数据集。该数据集覆盖了不同年龄和说话风格，包括对话和专业医疗话题。JoyHallo模型采用中国wav2vec2模型进行音频特征嵌入，并提出了一种半解耦结构来捕捉唇部、表情和姿态特征之间的相互关系，提高了信息利用效率，并加快了推理速度14.3%。此外，JoyHallo在生成英语视频方面也表现出色，展现了卓越的跨语言生成能力。
PhysGen是一个创新的图像到视频生成方法，它能够将单张图片和输入条件（例如，对图片中物体施加的力和扭矩）转换成现实、物理上合理且时间上连贯的视频。该技术通过将基于模型的物理模拟与数据驱动的视频生成过程相结合，实现了在图像空间中的动态模拟。PhysGen的主要优点包括生成的视频在物理和外观上都显得逼真，并且可以精确控制，通过定量比较和全面的用户研究，展示了其在现有数据驱动的图像到视频生成工作中的优越性。
Whisper large-v3-turbo是OpenAI提出的一种先进的自动语音识别(ASR)和语音翻译模型。它在超过500万小时的标记数据上进行训练，能够在零样本设置中泛化到许多数据集和领域。该模型是Whisper large-v3的微调版本，解码层从32减少到4，以提高速度，但可能会略微降低质量。
Realtime API 是 OpenAI 推出的一款低延迟语音交互API，它允许开发者在应用程序中构建快速的语音到语音体验。该API支持自然语音到语音对话，并可处理中断，类似于ChatGPT的高级语音模式。它通过WebSocket连接，支持功能调用，使得语音助手能够响应用户请求，触发动作或引入新上下文。该API的推出，意味着开发者不再需要组合多个模型来构建语音体验，而是可以通过单一API调用实现自然对话体验。
Saylo AI是一个AI角色扮演游戏，让你与AI角色互动，探索多样化的戏剧性故事。它利用人工智能技术，提供沉浸式的互动体验，让玩家在虚拟世界中与AI朋友交流，体验不同的故事情节。Saylo AI的背景信息展示了其创新性和娱乐性，旨在为玩家提供一种全新的娱乐方式。目前产品处于推广阶段，价格未明确标注。
twinny是一个为Visual Studio Code用户设计的AI扩展，旨在提供个性化的编程辅助，提高开发效率。它通过集成先进的AI技术，帮助开发者在编码过程中快速解决问题，优化代码，并提供智能提示。twinny的背景是响应开发者对于更加智能和自动化编程工具的需求，它通过简化开发流程，减少重复劳动，从而让开发者能够专注于更有创造性的工作。
Buildpad 是一个旨在帮助创始人从概念到成功最小可行产品(MVP)的在线平台。它通过提供智能验证工具、AI引导的开发流程、进度跟踪以及个性化的项目见解，帮助用户构建能够获得市场认可的产品。Buildpad 的主要优点包括简化产品开发流程、提高产品成功率、以及提供个性化的指导和支持。
Novela是一个专注于AI时代技能学习的在线平台，提供早期访问服务，用户可以免费试用。它旨在帮助用户掌握AI相关的技能，以适应未来职场的需求。
interview.co是一个专注于简化招聘流程的视频面试软件。它通过提供在线视频面试、AI问题生成器和面试管理工具，帮助企业高效地筛选和评估候选人。产品背景信息显示，interview.co旨在解决传统面试中的时间消耗、日程安排困难和成本高昂等问题。价格方面，interview.co提供试用版，具体定价信息需进一步探索。
Open NotebookLM是一个利用开源语言模型和文本到语音模型的工具，它可以处理PDF内容，生成适合音频播客的自然对话，并将其输出为MP3文件。该项目的灵感来自于NotebookLM工具，通过使用开源的大型语言模型（LLMs）和文本到语音模型来实现。它不仅提高了信息的可访问性，还为内容创作者提供了一种新的媒体形式，使他们能够将书面内容转换为音频格式，扩大其受众范围。
Chital是一个为macOS平台设计的应用程序，它允许用户与Ollama模型进行聊天。这个应用具有低内存占用和快速启动的特点，支持多聊天线程，能够在不同的模型间切换，并支持Markdown格式。此外，它还能自动为聊天线程生成标题摘要。Chital的开发主要是为了满足开发者个人的使用需求，但也鼓励社区成员通过fork代码库来添加新功能。
SafeEar是一个创新的音频深度检测框架，它能够在不依赖于语音内容的情况下检测深度音频。这个框架通过设计一个神经音频编解码器，将语义和声学信息从音频样本中分离出来，仅使用声学信息（如韵律和音色）进行深度检测，从而保护了语音内容的隐私。SafeEar通过在真实世界中增强编解码器来提高检测器的能力，使其能够识别各种深度音频。该框架在四个基准数据集上的广泛实验表明，SafeEar在检测各种深度技术方面非常有效，其等错误率（EER）低至2.02%。同时，它还能保护五种语言的语音内容不被机器和人类听觉分析破译，通过我们的用户研究和单词错误率（WER）均高于93.93%来证明。此外，SafeEar还构建了一个用于反深度和反内容恢复评估的基准，为未来在音频隐私保护和深度检测领域的研究提供了基础。
