På det nylige legemliggjorte intelligensutviklingssymposiet kunngjorde professor Chen Taos team fra Fudan University et stort forskningsgjennombrudd: neste generasjons generative humanoid robotbevegelse stor modell bryter gjennom begrensningene i tradisjonell visuell språkmodell (VLA), å oppnå en tverrdimensjonal oppgradering fra "Perception og forstå" Dynamic Control {}. Oversettelse, "Konstruere et" Action Vocabulary-Sequence Syntax "-system som gjør det mulig for roboter å generere komplekse lembevegelser utelukkende gjennom naturlige språkinstruksjoner, med nøyaktighet forbedret med 40% sammenlignet med tradisjonelle modeller .
Sentrale tekniske høydepunkter i teamet inkluderer: å utvikle en 3D-punktsky-multimodal modell, slik at roboter kan oppnå romlig struktur "forståelse" -funksjoner for første gang, i stand til å legemliggjøre spørsmål-swering og dynamisk baneplanlegging; Og å lage et innovativ modellkomprimeringsramme, redusere krav til databehandling med 70%, og bryter gjennom flaskehalser for maskinvare for den utbredte adopsjonen av intelligente roboter . Modellen har blitt distribuert på fysiske robotplattformer, og demonstrerer glatte bevegelseskontroll i industriell og tjeneste scenarios {
Moushen Intelligent Technology, inkubert basert på forskningsprestasjoner, har sikret strategiske partnerskap med flere bransjegiganter gjennom sin globalt banebrytende generative bevegelsesserieseknologi. Professor Chen uttalte, "vår forskning har adressert 2} -punktet" Disconnect mellom virtuell modeller og fysisk kontroll, 'Drived Embodied til den virkelige intelligensen til å få den real-world-scenen til å få den. Dette gjennombruddet injiserer ikke bare kjerneteknologisk konkurranseevne i Kinas robotindustri, men setter også et nytt målestokk innen legemliggjort etterretning i Global AI -konkurranse .