人形機器人真實世界資料取得與應用機制
前言

本文從人形機器人資料需求與學習架構出發,分析資料取得方法、模仿學習與基礎模型等技術,並進一步探討資料飛輪機制如何驅動機器人能力持續演進。透過系統性機制研析,建立機器人智慧形成的系統性框架,說明真實世界資料在人形機器人發展中的核心角色,以及其如何透過持續回流形成能力提升的閉環,提供整機業者與系統整合商開發應用之參考。

目錄
    人形機器人的資料需求
    真實世界資料取得機制
    人形機器人的學習方法
    結論
圖目錄
    圖一、人形機器人學習所需之資料類型
    圖二、人形機器人學習資料取得與應用
    圖三、從人類示範動作的影片中學習
    圖四、遠端操作即時控制機器人
    圖五、真實場域部署資料的回饋
    圖六、Tesla Optimus的模仿學習
    圖七、NVIDIA GR00T N1 VLA模型
表目錄
    表一、模擬資料與真實資料之差異
    表二、人類示範、遠端操控與實際部署之比較
    表三、模仿學習、基礎模型與世界模型之比較
  • 以上研究報告資料係經由MIC內部整理分析所得,並對外公告之研究成果, 由於產業倍速變動、資訊的不完整,及其他不確定之因素,並不保證上述報告於未來仍維持正確與完整, 引用時請注意發佈日期,及立論之假設或當時情境,如有修正、調整之必要,MIC將於日後研究報告中說明。 敬請參考MIC網站公告之最新結果。
  • 著作權所有,非經本會書面同意,不得翻印或轉讓。
  • BACK
    評論此篇報告
    您的評論已送出
    我們會竭誠盡快地回覆您。
    分享此篇報告
    Facebook
    Line
    Linkedin
    複製連結
    登入
    正式會員第一次使用,請輸入會員編號/會員密碼/Email,系統會偵測第一次使用,註冊/認證之後,即可上線使用

    不是會員?

    邀請您申請免費試閱聯絡我們