核事故、机器人、赛博训练——研究了32篇论文,我搞懂了机器人运动背后的秘密【具身智能第2期】
合集 · 奇点临近了吗?——B站最深入浅出的人工智能科普 (29)
-
【视觉起源】先有眼睛还是先有脑子?几十亿年的生命演化正在揭示AI爆发的秘密
18:46
-
坐高铁时,你从未察觉的 5 重生命保障,每道都是高科技
21:54
-
手把手带你推出蝴蝶效应后,你会发现你对混沌的理解都是错的
25:22
-
这种比黄金还贵的金属是如何被人类征服的?如今中国的产量已经独霸全球
20:38
-
赛博、自动机器、控制论——20世纪最伟大的科学构想,最终会带来工业乌托邦吗?
23:55
-
垃圾造的水泥靠谱吗?20分钟揭秘城市垃圾循环的真相
22:53
-
大模型、SLAM、空间智能——人形机器人离进入家庭还有多远?
24:11
-
是什么打败了波士顿动力?液压vs电驱——20分钟看透人形机器人硬件变革
22:19
-
百万美元不如一套算法?研究了32篇论文,我搞懂了机器人运动背后的秘密【具身智能第2期】
35:10
-
未来革命or资本泡沫——研发投入50年,人形机器人突破了什么?
25:02
-
DeepSeek是从0到1的创新吗?是。万字揭秘DeepSeek R1底层原理
27:01
-
半个月前,中国科学家发现16万种新病毒,这意味着什么?
22:42
-
到底什么是工业大模型?一手资料,全网最硬核解读工业大模型的实现细节
24:18
-
AI风头已过?还是正在悄悄改变世界?一年半了,大模型改变了哪些行业?
21:49
-
信息茧房?平台造神?来聊聊算法对人类社会的影响
26:14
-
未必,AI正在引发科学革命,可控核聚变、启发科学直觉、模拟大分子...【人工智能系列视频】
20:48
-
Sora真的能理解因果吗?用人人都懂的语言告诉你OpenAI做对了什么?
20:26
-
【年终总结】我们测评了10款国产AI大模型,结果大跌眼镜
21:44
-
当你有20万字的内容要AI读的时候,在座的各位都是...——全站最深入的大模型长文本能力解读
20:26
-
用初中数学讲透人工智能原理
20:50
-
神经网络是如何一统天下的?
19:54
-
卷积神经网络是什么?AI会毁灭人类吗?
17:43
-
chatGPT的祖宗——词向量和transformer
23:32
-
你真的弄懂chatGPT了吗?全网最深入浅出的chatGPT原理科普,包你看懂
18:06
-
万字解析 | 为什么说GPT不会产生意识?它对我们有多危险?【chatGPT科普(下)】
23:24
-
ChatGPT背后的大模型训练
14:24
-
用100道有毒的问题,就能调教出一个更有善意的AI?【人工智能系列(番外篇)】
16:38
-
AI是如何作画和修复老电影的?10分钟还你一个4K的青春。【AI原理解析系列】
16:03
-
AI自我意识觉醒?15分钟告诉你AI智能体真相
15:07
Description
本视频从近期热门的机器人拳击视频切入,回顾十年间机器人技术的发展历程,通过对比2015年DARPA机器人挑战赛中机器人表现与现今机器人能力的飞跃,揭示人工智能技术尤其是深度强化学习的进步对机器人发展的关键推动作用。视频详细介绍了机器人从简单行走、平衡保持到复杂技能(如跑酷、空翻、打篮球)的学习过程,涉及虚拟仿真训练、强化学习与深度学习结合、传感器数据利用等技术细节,同时强调中国在机器人领域的技术突破与贡献。最后以宇树科技的发展历程为例,展现中国在机器人研发领域的崛起与影响力 我们独家拆解AI机器人封神之路: ✅ 从"走两步就摔"到"跑酷空翻":揭秘深度强化学习如何让机器人自学成材 ✅ 英伟达黑科技Isaac Gym:2000个虚拟机器人集体"内卷"的硬核训练法 ✅ 超越波士顿动力!中国团队用"动作编码器"实现手脚并用绝技
Comments
新石器公园:我的麦克风很炸吗?
♥ 583 ↩ 12
up主你是什么学历啊,各种最尖端的技术论文不仅能自己看懂,还能总结成人话让大伙也听懂。这里面前面自己看懂不是最难的,后面的总结成人话让大伙听懂才是最难的
♥ 179 ↩ 30
你和芳斯塔芙什么关系?
♥ 152 ↩ 17
我跟朋友聊机器人的时候,也很感慨机器人现状。你说它不先进吧,这套算法的难度已经很强了,你说它先进吧,炒个菜都不会。我不要求它能走,他如果能站在灶台做个三菜一汤,我必入
♥ 85 ↩ 9
感觉这次怎么声音这么炸麦啊
♥ 82 ↩ 2
你讲的这些主要还是算法方面,目前对于机器人与动物来说,有一些硬件方面的的问题也制约了目前人造机器人的上限,主要有两个方面,一个是柔性阵列传感器,一个是动力系统。柔性阵列传感器是实现运动控制的闭环控制的关键,我们的脚可以实时的感知地面的各种信息,比如是否平整,形变响应,摩擦等等,没有这些信息的感知,单靠算法是解决不了的。关于动力系统,能够快速响应,能够有足够的力度,能够有足够的精度,能够轻,这些都不能同时满足,工业机械臂几乎可满足前三点,但是重量这一点实在是差的太多。伺服电机的铜线比肌肉差的不知道多少。这种直接限制了系统性工程的上限,因为如果想增大一点力度,就要加更多的重量,那么增加这一点力度还不足以弥补其重量带来的负担,就出现了系统性的不可解问题。目前这些机器人,的足部几乎没有多少传感器和关节,而人类站立时保持平衡,是每一个脚趾的每一个关节以及脚踝再到腿部都会做出感知和响应,目前机器人根本就不具备这些,所以是巧妇难为无米之炊。对于手部的运动则更为复杂,要求的感知也接近高分辨率的图像,这样才能具体感知摩擦,振动,质感等等的信息。比如,让机器人像人那样灵活地去缝制任何衣服,鞋子,等等,并在不经过专门设计的情况下,想要实现这种任意的操作,就必须有充足的感知信息和运动输出纬度。
♥ 73 ↩ 25
AI和机器人这两枝科技几乎同时进入商用时代,应该不是巧合,背后是信息技术的迭代涌现。目前AI和机器人都还处于瓦特蒸汽机阶段,所以发展还很快,但随着技术不断精进,我担心算力不足的瓶颈会很快显露出来,极大地限制这两枝技术的发展
♥ 73 ↩ 12
请问up是怎么做到,在具身智能、deepseek等相当前沿的领域中做出大家都能清楚地看懂的视频的?这些话题网上并没有很多通俗的资料,很多都是论文,一般人根本看不懂,up是怎么收集它们的呢?如果能回答的话,真的会给我的学习有很大的启发[给心心]
♥ 65 ↩ 9
人形机器人是绕不过去的,评论有些人还停留在询问人形机器人的发展上,这点基本已经有共识了,依靠现代社会发展出来的一切都是根据人形这个形体发展的,你要机器人最好的融入现代社会人形是必须的。
♥ 63 ↩ 2
宣传的太好,人们期望过高、反而都变成黑子了。能走进普通中产家里搞卫生的机器人起码要十年。
♥ 59 ↩ 21
给UP打Call[打call]广泛的资料调研和吸收后的可视化输出都是很难的事情 真不容易!五一假期愉快~
♥ 57 ↩ 1
音质怎么爆了
♥ 50 ↩ 1
怎么好多人都喜欢不看完视频就评论
♥ 46 ↩ 2
機器人目前還是不行,那麼先用機器狗代替吧[doge]
♥ 40 ↩ 5
补充两个问题。 遥控器并不是普通人想的遥控汽车那样简单,遥控器指令发出后,还是依靠机器人自己的能力在设法达成目标,而非人去干预机器人上的电机。 有个FC的奥运游戏,名字忘记了,大家可以找来模拟器玩一下。好像是按AB控制小腿,按方向键控制大腿,让里面的人形角色去跑步。你就只是控制这么几个肢体自由度而已,但是不单寸步难行,一桶乱按还会造成各种鬼畜的运动姿态。所以认为人遥控机器人去走路拿东西,好比自己是开高达的驾驶员,那么这其实是人类能力根本做不到的事情。 关于机器人是否一定要人形。2017年之前,我也是嗤之以鼻的,人类搓了几十年样机狗屁前景都没有。 按照传统的控制论去搞,人形方向确实就是一种情结优先于实用的事情。 但是现在强化学习和神经网络成熟起来之后,解决了太多的问题,而且进步神速。那么反正都不容易的情况下,双足具身和多足,并没有极大的难度分歧。一步到位训练人形,不单对未来人类社会的嵌入是非常有利的,而且仅仅从仿生和干活角度,人形有很大优势。 机器狗/AGV+协作臂,对应很多事情是无力的,而且是两套控制的串联;人形机器人自身就是一套算法模型,适应能力更强
♥ 36
不是?哥们儿,你这视频做的有点nb啊,是一个人做的?
♥ 35 ↩ 12
control theory PhD 在读,up这期真的质量很高,干货很多,由浅入深,我都当综述看了哈哈
♥ 34 ↩ 3
其实上半身人形,下半身狗形更实用,不一定非要追求纯人形
♥ 21 ↩ 41
。。。。又是宇树CG电影,卖家秀和买家秀的行家
♥ 17 ↩ 30
感觉进步基本都围绕在怎么设置奖励上了。我好奇的是这些机器人能够理解自己做的是什么动作吗?如果我用语言描述要让机器人做的动作,并用完成时间和能量消耗打分,或者更直接用语言交流给机器人指导,机器人能不能理解?就像教一个人类那样
♥ 16 ↩ 10