[E-DailyShin Yeong-bin 记者] 三星正在美国加快类人机器人研究步伐。三星电子(SamsungElectronics(005930))致力于机器人人工智能(AI)基础技术研发,三星SDS(SAMSUNG SDS CO., LTD.(018260) )则着力发展制造现场运营与监控AI,双方正共同拓展物理AI研究领域。
1日,据信息技术(IT)业界消息,三星电子的美国研发(R&D)子公司三星美国研究院(SRA)近期在机器人智能实验室内部组建了“数据效率”小组,并开始招聘该小组的负责人。
硅谷三星美国研究院全景(图片来源:三星美国研究院)
数据效率小组致力于研究如何利用较少的机器人数据提升学习性能的技术。其主要研究方向包括基于模拟的学习与评估、第一人称视角视频学习以及遥操作数据增强等。该小组还研究将现实数据转移至虚拟环境中进行学习,随后再将其应用到实际机器人上的现实-模拟联动学习技术。
SRA机器人智能实验室的内部研究组织架构也得以具体揭示。该实验室除△数据效率组外,还围绕△推理、△精密操作、△机器人系统等4个小组重点配置了研究人员。
推断组负责研发机器人理解周围环境并规划复杂任务的技术。精密操作组则致力于利用视觉和触觉等手段,培养机器人稳定处理物体的能力;而机器人系统组则负责将AI技术集成到实际机器人中并进行验证。
整个研究所由机器人学家、伊利诺伊大学计算机科学教授克里斯·豪泽(Chris Hauser)负责统筹。豪泽一直强调,在机器人AI开发中,学习效率比数据规模更为重要。他提出,今年的目标是利用不到100小时的实际机器人数据,取得最尖端水平的研究成果。
三星SDS也在拓展物理AI研究领域。三星SDS美国分公司近期开始招聘新员工,以开展实时图像理解和物理AI研究。核心研究课题之一是通过实时分析类人机器人作业视频,来检测错误行为或异常情况的AI系统。
当地的AI科学实验室在直接操作真实人形机器人的同时,还通过远程操作收集数据,并开展开源RFM的训练与部署研究。此前,该公司还持续招聘了嵌入式AI和视觉语言行为模型(VLA)等机器人学习领域的人才。
三星SDS所瞄准的最终应用场景是制造现场。据悉,该公司将在三星的全球制造环境中验证相关研究技术,并在实际生产线中以试点形式进行验证。未来计划将其扩展为多种机器人协同运作的多机器人系统。
三星电子于今年7月成立了直属于代表董事的RX事业推进室,并宣布将把全球机器人研究据点扩展至美国、中国和日本。鉴于其构想是将从机器人中长期战略到核心技术开发及商业化等分散的能力集中起来,因此外界对美国研究战略的关注度也在不断提高。
总负责人豪泽尔认为,通用机器人的商业化并非短期内就能结束的竞争。他最近在社交媒体(SNS)上表示:“仅靠现有的机器人基础模型(RFM)是不够的”,对此他对于单纯的数据规模竞争持谨慎态度。
1日,据信息技术(IT)业界消息,三星电子的美国研发(R&D)子公司三星美国研究院(SRA)近期在机器人智能实验室内部组建了“数据效率”小组,并开始招聘该小组的负责人。
数据效率小组致力于研究如何利用较少的机器人数据提升学习性能的技术。其主要研究方向包括基于模拟的学习与评估、第一人称视角视频学习以及遥操作数据增强等。该小组还研究将现实数据转移至虚拟环境中进行学习,随后再将其应用到实际机器人上的现实-模拟联动学习技术。
SRA机器人智能实验室的内部研究组织架构也得以具体揭示。该实验室除△数据效率组外,还围绕△推理、△精密操作、△机器人系统等4个小组重点配置了研究人员。
推断组负责研发机器人理解周围环境并规划复杂任务的技术。精密操作组则致力于利用视觉和触觉等手段,培养机器人稳定处理物体的能力;而机器人系统组则负责将AI技术集成到实际机器人中并进行验证。
整个研究所由机器人学家、伊利诺伊大学计算机科学教授克里斯·豪泽(Chris Hauser)负责统筹。豪泽一直强调,在机器人AI开发中,学习效率比数据规模更为重要。他提出,今年的目标是利用不到100小时的实际机器人数据,取得最尖端水平的研究成果。
三星SDS也在拓展物理AI研究领域。三星SDS美国分公司近期开始招聘新员工,以开展实时图像理解和物理AI研究。核心研究课题之一是通过实时分析类人机器人作业视频,来检测错误行为或异常情况的AI系统。
当地的AI科学实验室在直接操作真实人形机器人的同时,还通过远程操作收集数据,并开展开源RFM的训练与部署研究。此前,该公司还持续招聘了嵌入式AI和视觉语言行为模型(VLA)等机器人学习领域的人才。
三星SDS所瞄准的最终应用场景是制造现场。据悉,该公司将在三星的全球制造环境中验证相关研究技术,并在实际生产线中以试点形式进行验证。未来计划将其扩展为多种机器人协同运作的多机器人系统。
三星电子于今年7月成立了直属于代表董事的RX事业推进室,并宣布将把全球机器人研究据点扩展至美国、中国和日本。鉴于其构想是将从机器人中长期战略到核心技术开发及商业化等分散的能力集中起来,因此外界对美国研究战略的关注度也在不断提高。
总负责人豪泽尔认为,通用机器人的商业化并非短期内就能结束的竞争。他最近在社交媒体(SNS)上表示:“仅靠现有的机器人基础模型(RFM)是不够的”,对此他对于单纯的数据规模竞争持谨慎态度。