$ 芯原股份,公司用于人工智能的神经网络处理器(Npu)业界领先国内第一,共出货了1亿颗Npu芯片。另外最新推出了,vip9000系列Npu ip提供了可扩展和高性能处理能力,适用于Transformer和卷积神经网络(Cnn)。
Brett 认为人形机器人研发一定是软硬件一体的过程,LLM 语言大模型为机器人提供了强大的大脑,是软件层面的重要补足。
(就是使机器人能够正确的接收并生成人类语言)
要让人形机器人从工厂走进家庭,关键在于语言,所以 LLM 或视觉语言模型对我们的业务帮助很大。
——————————————————————————————————————————————————————————————————————————————
神经网络:
创始人也说到,里面有应用到了神经网络。
神经网络,特别是深度学习,为机器人技术提供了强大的工具,使得机器人能够更好地理解环境、进行决策、学习和适应变化。
具体来说,神经网络在以下几个方面发挥着关键作用:
感知:神经网络,尤其是卷积神经网络(CNN),被广泛应用于各种传感器数据的处理,如图像和语音识别。这些技术使得机器人能够更有效地感知和理解周围环境,从而更好地执行任务。
决策:深度学习神经网络,如基于LSTM(长短期记忆)的循环神经网络,被用于处理序列数据,如时间序列和语音识别。这些技术使得机器人能够学习和适应行为,并根据环境变化做出决策。
混合现实:神经网络,特别是三维卷积神经网络,被用于处理三维场景的数据,将虚拟世界与现实世界相结合,为机器人提供了更丰富的环境感知和操作能力。
总之,神经网络为机器人技术带来了革命性的变革,使得机器人能够更好地适应各种复杂环境,执行各种任务,并不断学习和改进自己的行为。因此,神经网络在机器人领域中具有不可替代的地位。
———————
而我个人了解后。按照最适合机器人的神经网络去看。
大概有如下两种。(两者并不对立,可以融合使用,也可以单独)
卷积神经网络(CNN):机器人需要处理视觉信息,包括感知环境、识别物体和进行导航等任务,CNN在这些任务上表现出了较好的性能,因此适用于机器人视觉任务。
循环神经网络(RNN)和长短期记忆网络(LSTM):机器人需要处理时间序列数据,例如控制机器人运动、预测环境变化等任务,RNN和LSTM在这些任务上表现出了较好的效果。
——————————————————————————————————————————————————————————————————————————————
综上所述,你向机器人发出语言指令,对方通过LLM大模型去生成并理解这段话,神经网络思考决策,通过机器视觉去看到这个物品,然后开始下一步操作。
GIF图片在下面链接。
——————————————————————————————————————————————————————————————————————————————
公司主营业务原本是海关岸口的安检设备。随着时代进步,公司产品也在智能化。
而安检主要是以看为主。公司在机器视觉这一块看的比较深入。
公司基于声波原理、卷积神经网络模型、图像合成和分析算法、智能判图、多光谱图像分析等核心技术原理,运用人工智能、深度学习、大数据、物联网等技术叠加智能监管设备,突破了在口岸复杂环境下实现全方位智能查验的技术瓶颈。
——————————————
————————————————
机器人方面,公司基于通用机器人底盘技术,AI 赋能机器人,将室内/外巡检机器人、协作机器人、车底查验机器人、消防机器人等机器人家族系列产品向口岸以外的电力、商超、园区、楼宇、消防等领域推广。
——————————