训练机器学习需要耗费大量人力，在自动驾驶汽车和移动机器人相关的模型中尤其如此，程序员需为大量图像添加注释，并监督和验证由此产生的行为。Helm.ai上个月推出的VidGen-1生成式人工智能模型则与传统训练模型方法大相径庭，它可以生成逼真的驾驶场景视频序列。

　　Helm.ai联合创始人兼首席执行官Vladislav·Voroninski表示：“我们将多年来开发的深度教学技术与生成式深度神经网络架构方面的内部创新结合在一起，形成了一种高效、可扩展的方法，用于制作逼真的人工智能生成视频。生成式人工智能有助于提高可扩展性，并完成那些没有一个客观答案的任务。生成式人工智能是非确定性的，它着眼于各种可能性的分布，这对于解决传统监督学习方法无法解决的角落情况非常重要。VidGen-1并不具备注释数据的能力。”

　　Voroninsk表示：“特斯拉内部可能在人工智能方面做了很多工作，但许多其他汽车原始设备制造商才刚刚起步。VidGen-1的客户就是这些原始设备制造商，这项技术可以帮助他们在开发用于汽车、卡车和其他自动驾驶汽车的软件时更具竞争力。”

　　Helm.ai表示，其生成式人工智能技术具有高准确性和可扩展性，且计算量低。由于VidGen-1支持在仿真中快速生成具有逼真行为的有利条件，因此有助于缩小仿真和现实之间的差距。Helm.ai 的模型可以应用于技术堆栈的较低层次，而不仅仅是为仿真生成视频，它可以用于 AMR、自动采矿车和无人机。

　　物流机器人开发商Collaborative Robotics今天宣布成立人工智能基础模型团队，亚马逊深度学习技术团队的创始人Michael·Vogelsong将在西雅图领导这个新团队。

　　Collaborative Robotics首席执行官Brad·Porter表示：“我们投资建立专门的机器人基础模型人工智能团队，是在Collaborative Robotics协作潜力提高方面迈出的重要一步。基础模型人工智能团队将探索人工智能在增强机器人能力方面的前沿可能性，特别是在双臂操作和低延迟多模态模型领域。我们的目标是将机器人的理解力和控制力提升到一个新的水平，使它们能够理解复杂的任务和环境并做出有效反应。我期待看到这个才华横溢的团队创造出创新成果。”

　　今年 4 月，Collaborative Robotics完成了1亿美元的B轮融资，以实现其自主移动机械手的商业化。该公司一直对其系统的实际设计保密，只公布了有效载荷能力和轮式协作机器人的少量细节。

　　Collaborative Robotics表示，其新成立的基础模型人工智能团队将致力于将先进的机器学习技术集成到生产机器人中。通过将现有的基础模型、新型研究和战略合作伙伴关系与在生产环境中实时运行系统的实践经验相结合，该团队旨在提高机器人任务的适应性和精确度。这项研究在公司早期开发可审计控制和规划框架（ACoP）的基础上，将探索处理文本、视觉和动作的模型如何进行交互，并为自适应控制创建一个实时反馈回路。

　　Conductix-Wampfler公司本周表示，已开发出一种专门用于移动机器人数据安全传输的综合解决方案。该公司称，新型 Robin6 可最大限度地降低集成和运营成本，同时加强网络安全措施。

　　Conductix-Wampfler公司无线数据传输产品经理Thomas·Förste表示：“通过新的全管理通信设备Robin6，我们为超紧凑、坚固设计的可靠通信设定了标准。为了实现最佳连接并集成到基础设施中，Wi-Fi解决方案配备了 LAN、CAN 和 GPIO 接口，这些接口都位于前端，便于安装和布线 毫米，非常纤薄，因此也适用于整体高度较低的车辆。”

　　Conductix-Wampfler 公司表示， AGV和AMR车队的快速部署需要简便的设置和远程监控。Robin6包括节能睡眠模式和数字控制，可有效调节 AGV/AMR 板上功能块的功耗。

　　FlexQube Navigator因其新颖的设计及其与装有大型有效载荷的动力推车的匹配和移动能力，于2022年获得了RBR50创新奖。其专利涉及一种小型非承载式自动移动机器人技术，通过智能联轴器与电动FlexQube推车连接，形成一个材料运输的组合生态系统，已在美国和欧洲专利局获得授权，中国也即将批准。除这项新专利外，相应的专利也将在加拿大获得授权，并正在韩国、日本、墨西哥和印度申请中。

　　通过这种方式，公司既保护了自己的知识产权，又利用机会扩大了装机量。FlexQube 的模块化结构套件使客户能够利用可互换的组件系统轻松设计并快速组装定制的物料搬运车。导航仪为客户设计的解决方案提供了自主导航选项。

　　FlexQube 公司 AMR 商业产品负责人 Per·Augustsson 说：“我们进一步加强了对独特机器人系统的专利保护。这项专利技术为我们的客户提供了一个安全高效的解决方案，他们希望在生产线上用自动化物料搬运取代手动叉车。我们的 AMR 配备了标准化接口，可以根据客户需要搬运的物料，与各种电动搬运车配合使用。这就提供了独特的灵活性，因为同一台 AMR 可用于客户的多种不同应用。”

　　据称，RGo 的视觉和人工智能产品用于定位、障碍物检测和场景理解，可实现高度一致的准确性。它可以在具有挑战性的环境中可靠运行，例如在履行中心狭窄、重复的过道中，机器人需要在靠近货架和人的地方行走。

　　有了感知引擎，Onward的Pyxis平台可以为其机器人车队提供不间断的操作，从而实现突破性的生产率和客户满意度。RGo Robotics 联合创始人兼首席执行官 Amir·Bousani说：“我们的团队满足了Onward对高可靠性解决方案的严格要求，该解决方案能在动态环境中有效工作，出错率低，正常运行时间长，对此我感到非常自豪。它证明了我们的 3D 视觉和人工智能感知技术的高可靠性，并表明它已经做好了进入黄金时代的准备。”

　　此外，RGo感知引擎使 Onward 能够在数小时内快速、轻松地为新客户建立机器人队，缩短了价值实现时间，降低了部署成本。RGo 的感知引擎能够动态适应环境的变化，在布局发生变化时无需进行破坏性的重新映射。

　　Skild A宣布完成了 3 亿美元的 A 轮融资，这笔融资使其估值达到15亿美元。Skild AI 正在追逐当前技术中最重要的目标之一：体现智能——创造一种可以自主学习并对世界做出反应的智能设备。该公司正在开发机器人基础模型 Skild Brain，以及移动操纵平台和用于安全和检查的四足平台。

　　目前开发具身人工智能解决方案主要有两种方法。通过垂直市场方法，即找到一个市场问题，设计一种机制来解决问题，并训练一个定制的人工智能大脑（或模型）来操作该机制。这种方法也可称为专家方法，许多机器人初创企业都采用这种方法。这种方法降低了风险，提供了对结果和知识产权的控制。在当前的仿人机器人竞赛中，每个参赛者都在努力设计一种独特的机制和智能体现。

　　或采用横向市场方法，创建一个能够学习任何任务的广义智能系统，然后使其能够被部署来控制任何机制。这是通往人工通用智能（AGI）的道路，但也可以称之为基础模型方法，因为基础模型可以服务于一类通用问题，而不是一个庞大的AGI。这就是Skild正在走的道路。

　　Skild AI 与 OpenAI、Covariant 和英伟达（NVIDIA）等公司一样，都在尝试建立一种基础模型，这种模型可以应用于多种应用，与机械装置的机械设计无关。Skild AI公司声称，它的模型训练数据点至少是竞争对手模型的1000倍。与为特定应用而垂直设计的机器人不同，Skild的模型将作为一个共享的通用大脑，用于各种机器人、场景和任务，包括操纵、运动和导航。

　　与现有的机器人应用不同，Skild 的通用人工智能模型旨在让任何类型的机器人都能敏捷、灵巧、安全地与人互动。体现型人工智能的市场机遇巨大，因此，投资者目前正将大笔资金押注在基础模型和垂直机器人系统的开发竞赛上。

　　Standard Bots本周融资总额超过6300万美元。新一轮 B 轮融资由 General Catalyst 领投，亚马逊工业创新基金（Amazon Industrial Innovation Fund）和三星Next参投。公司计划利用这笔新资金扩充其工程团队，加速开发新尺寸的下一代机器人系列，并增强专有平台，使这些机器人在日常使用中更加直观。

　　Standard Bots 联合创始人兼首席执行官Evan·Beard说：“过去，机器人项目需要一个博士团队、多年的研究和雄厚的资金，使用案例也往往有限。我们的使命是让所有人都能使用先进的、适应性强的机器人。Standard Bots 让任何公司，从小型母婴店到财富 500 强公司，都能轻松利用机器人技术的力量。”

　　Standard Bots主要进行软硬件设计业务，该公司已经推出了RO1协作机械臂，并准备将新的人工智能机器人推向市场。该公司表示，这些机器人将开启传统机器人技术尚未触及的用例和行业，如复杂装配、食品准备和洗碗。

　　沃尔玛正在全美开设五个自动化配送中心，主要负责其在线食品杂货业务的新鲜食品品类存储运输。据 CNBC 报道，每个配送中心将占地约 70 万平方英尺（是传统配送中心的两倍），配备自动存储和检索系统，可以取走物品并将其移动到托盘上，然后再运送到商店。机器人系统知道如何将鸡蛋等易碎物品堆放在托盘顶部，还能为网上杂货订单建立定制堆垛。

　　五个配送中心中的两个已经开始运行，一个位于加利福尼亚州的 Shafter，另一个位于德克萨斯州的 Lancaster。另外三个将分别建在南卡罗来纳州、伊利诺伊州和新泽西州。沃尔玛还计划在其位于明尼苏达州、北卡罗来纳州、印第安纳州和田纳西州的其他四个新鲜食品配送中心采用自动化技术。

　　在德克萨斯州阿灵顿环球生活球场参加 2024 年 MLB 全明星赛的球迷将在球场大厅看到一张与众不同的面孔。机器人ADAM作为一名新的调酒师出现在球场大厅，在全明星周期间为球迷们提供饮品，庆祝 MLB 世界系列赛卫冕冠军德克萨斯游骑兵队的主场。

　　总部位于内华达州的Richtech Robotics公司将ADAM描述为“人工智能驱动的调酒师、咖啡师和荞麦面制作师，它能让顾客赞不绝口，并提高您的盈利能力”。

　　ADAM 是一个由人工智能驱动的双臂机器人，内置鸡尾酒和模拟鸡尾酒库。顾客可以在特许摊位上点一杯饮料，ADAM 就会混合、摇晃并分发调制好的饮料。Richtech Robotics 公司还表示，其人工智能技术可以让 ADAM 提供酒水推荐并与顾客互动。除了调制酒精饮料，ADAM 还可用于其他场合。该机器人可以制作类似咖啡师的咖啡作品，还可以调制波霸茶。

　　截至 2024 年 7 月，Richtech 公司已在美国多个地方部署了 ADAM，包括拉斯维加斯的一家波霸茶店和布鲁克林的一家咖啡店。