-
电话销售人员会被机器人取代吗
2013年，英国牛津大学的两名教授CarlBenediktFrey和MichaelA.Osborne做了一项研究，主题是“未来哪些工作将被机器人取代”；后来的研究者根据这个研究，把各个岗位将被机器人取代的概率定量算了出来。未来十年，被取代的概率较高的包括：电话推销员99.0%；打字员98.5%；会计97.6%；保险业务员97.0%；前台95.6%；客服91.0%；保安89.3%等。
-
2018年，聊天机器人将重新定义客户体验！
随着AI技术的发展，聊天机器人已经成为各大企业的新宠，Kindred也不例外，Kindred早已经将各种AI技术应用到自己的解决方案中。
-
人工智能人脸探测原理--方向梯度直方图
人脸探测是人脸识别算法和图片审核中所用的算法． 在区分人脸之前，首先要找出人脸在照片中的位置! 近几年来的相机都有人脸探测的功能，它能找出人脸，以便可以对每张人脸对焦，从而得出更清晰的照片．我们这里用来做识别人脸，而非得到更清晰的照片．我们将用的方法----方向梯度直方图(Histogram of Oriented Gradi...
-
培养下一代硬件创始人——Raspberry Pi
我们的夏季创客活动之旅带我们来到了旧金山，在那里我们受邀参观了一个独特的园区，该园区正在孵化有望成为未来定义型公司的企业，其中许多公司正在使用 Raspberry Pi 硬件将他们的想法付诸实践。我们请创始人兼 CEO Furqan Rydhan 和 COO Mike Shin 解释 Founders, Inc. 在硬件领域所做的工作，以及为什么 Raspberry Pi 如此契合。 下一代标志性公司不会只做软件；它们将结合 AI、机器人技术、自主系统、先进制造和前沿硬件。Founders, Inc. 的使命正是支持这一点：为雄心勃勃的技术创始人提供他们从第一天起构建所需的空间、社区和第一张支票。
-
技术解读：鸿蒙版本的小小机器人APP开放源码啦
《鸿蒙HarmonyOS 6应用开发:从零基础到App上线》一书作为《Android Studio开发实战：从零基础到App上线(第3版)》的鸿蒙姊妹篇，已将安卓一书的大部分实战项目改造为鸿蒙版本。但在写作鸿蒙一书时，限于时间进度与项目难度，安卓一书的小小机器人项目未能同步改造为鸿蒙版本，成为鸿蒙一书的小小缺憾。 好在笔者并未放弃，在《鸿蒙HarmonyOS 6应用开发:从零基础到App上线》出版之后，一直记得小小机器人的鸿蒙改造事宜。磨磨蹭蹭大半年，终于把安卓版本的小小机器人APP一步步改造成了鸿蒙APP，机器人APP的项目源码与鸿蒙一书的第15章源码放在了一起，具体的源码托管地址为...
-
制造机器的机器 | NVIDIA 技术博客
我们如何教会机器人组装 GB300 测试托盘，以及这让我们对机器人学习、机械智能和传统工程有了哪些认识 NVIDIA Grace Blackwell GB300 超级芯片是现代基础模型 AI 训练和推理的引擎。然而，组装 GB300 托盘的过程需要全球各地工厂中熟练的体力劳动。NVIDIA 西雅图机器人实验室 (SRL) 与 NVIDIA Isaac 工程团队合作，提出了一个核心问题：我们能否构建智能机器人来组装如此复杂的系统？ 答案是肯定的，但道路充满挑战。让机器人组装 GB300 托盘是 SRL 作为一家高产研究实验室九年来攻克的最困难的问题之一。这个问题也挑战了我们对端到端学习在何处最有效、模块化技术栈在何处可能更有效的假设。
-
机器人数据初创公司Mecka AI获红杉资本6000万美元投资 | TechCrunch
Mecka AI，一家收集和分析人体运动数据以训练人形机器人及其他类型机器人的初创公司，宣布已完成由红杉资本领投的6000万美元B轮融资，英伟达、微软旗下风投基金M12等参与投资。TechCrunch此前曾报道，该初创公司正以5亿美元估值接近完成新一轮融资。 这家成立于2024年的初创公司希望为机器人领域做Scale AI、Mercor、Surge等数据标注公司为LLM（大语言模型）所做的事。这些公司为系统提供其学习所需的人类生成数据。Mecka付费让人们佩戴身体传感器并使用智能手机，记录自己完成日常任务的过程，比如煮咖啡或修车。 其他为机器人训练收集真实世界数据的初创公司还包括XDOF。根据TechCrunch此前的报道，该公司正在洽谈以12亿美元估值进行B轮融资。
-
Industrial Next希望工厂机器人能在几分钟内切换任务，而非数周 | TechCrunch
在大多数工厂中，自动化是固定的：机器人和机器被编程用于一项特定的任务和产品。更改生产线意味着重新编程和物理重组工具，或更换设备，这可能需要数周或数月。总部位于旧金山的Industrial Next表示，它正在改变这一点。 这家初创公司今天在TechCrunch Disrupt 2026的Startup Battlefield舞台上进行了展示，它构建了由专有基础模型驱动的AI驱动、自包含的机器人工作站，这些模型连接了视觉、任务上下文和运动。该公司表示，这使得生产线可以在几分钟内而不是数周内重新调整工具，而无需传统编程。目标是让制造商能够自动化传统上需要人工劳动的复杂而精细的任务。
-
如果机器人不需要把所有AI都装在本地呢？
发布于 2026 年 9 月 23 日 作者：Ganesh Ananthanarayanan，高级首席研究员；Matthew Balkwill，首席软件开发工程师；Xenofon Foukas，首席研究员；Sanjeev Mehrotra，软件架构师；Bozidar Radunovic，高级首席研究员；Connor Settle，高级软件工程师；Ankit Verma，软件工程师；David White，首席软件工程师；Shawn Cicoria，首席软件工程师负责人兼架构师；Mark Martin，多学科工程经理；Rachel Johnson，二级软件工程师；Mayur Patel，首席技术项目经理 挑战机器人 AI 的一个核心假设：我们的研究表明，仅在机载 GPU（图形处理器） 上运行物理 AI 推理会限制...
-
Gemini 4 Argon 机器人版- Google Developers Blog
Gemini 4 Argon 标志着物理理解、代码生成和视觉语义推理能力的跨越式提升——解锁了机器人技术栈中的全新工作流，并加速了迈向物理 AGI 的进程。 这一能力飞跃在 Embodied Reasoning (ERQA) 基准测试中得到了体现，该基准测试评估模型在 3D 环境中理解和解决物理、空间问题的能力。仅使用纯推理，Argon 就取得了 87% 的成绩，超越了所有其他前沿模型。 作为一个通用物理推理模型，Argon 可应用于整个机器人生命周期。在本文中，我们分享 Argon 在四个关键领域的代表性提示词： 机器人控制 → 通过 MuJoCo 练习进行移动操作、零样本机器人控制，以及视频世界模型的闭环引导。
-
在 AMD Ryzen AI Max+ 395 迷你 PC 上运行 MolmoAct2 机器人策略
过去，教机器人“把碗放在盘子上，再把奶油奶酪放进碗里”需要机器人身后摆放一排数据中心 GPU（图形处理器）。在本博客中，我们展示了一个现代视觉-语言-动作（VLA）模型 MolmoAct2 如何观察场景、读取纯英文指令，并驱动机器人手臂完成任务，而这一切都运行在一台搭载 ROCm 软件栈的 AMD Ryzen AI Max+ 395 “Strix Halo” 迷你 PC 上。无需云端，无需外部加速器，只需一台紧凑的桌面机器。 通过阅读本博客，你将学习如何部署和运行针对 AMD Ryzen AI Max+ 395 优化的最先进 VLA 模型。你将使用可复现的 Ryzers 容器启动基于浏览器的机器人控制，测试跨机器人手臂的零样本迁移，运行异步实时规划，并在仿真和真实世界数据上评估该策略。
-
目前最强性能的人脸检测算法（Wider Face Dataset）
今天我们不说计算机视觉基础知识，接下来说说AAAI2019一篇比较新颖的Paper，其是中科院自动化所和京东AI研究院联合的结果，在Wider Face数据集中达到了较高的水准，比arxiv2019_VIM-FD的更好一些。今天要说的就是“Improved SRN”，现在开始一起学习吧！
