神经网络周末特别火，我周末看了下，Figure的创始人Brett Adcock对于机器人的说法。
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。
总的来说就是：听，想，看。
要想实现发布会上的操作行为，以上缺一不可。
——————————————————————————————————————————————————————————————————————————————
这里推荐的是$盛视科技(SZ002990)$ 。
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。
所以公司在卷积神经网络模型上比较下功夫。
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。
——————————————
特别是在3月14日，公司申请了关于神经网络的专利，从描述来看就是卷积神经网络。
————————————————
以人工智能为，卷积神经网络基础上研发出了许多机器人。
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。
——————————
2023半年度报告期内。公司还在积极探索LLM语言大模型在机器人上的应用落地。
