近日,谷歌对外公布正在研究的「乒乓球机器人」项目,项目称为i-Sim2Real,该机器人在与人类对打时一回合可接球340次。谷歌强调这只是人类与 AI 的“合作”,并非击败人类,但以AI成长的速度,它很快就能达到职业选手水平。
谷歌选择开发乒乓球机器人,是想要人工智能在乒乓球对抗中,探索高速动态环境中的人机互动。机器人在与快节奏且相对不可预测的人类行为进行交互时,既要有速度又要有精度,这对学习算法提出了很高要求,是研究人机交互和强化学习问题的理想测试平台。
我们的科技留言板“有意见”如下
@TOFU:机器人的精进技能又多了一项,虽然教机器人玩游戏看起来微不足道,但影响人类如何打乒乓球的变量有很多,如果机器人有可能成为乒乓球高手,也将证明Google打造出了一套可应对人类快速且不可预测行为的机器人系统。但就算是最坏的情况,这个大目标没有实现,那至少Google已经打造出一款可以辅助训练运动员的机器,而不是单纯的发球机。
@老董:乒乓球机器人的出现,代表着人工智能机器处理能力上的又一次跨越。以往人工智能技术优势在于计算能力方面,但在动“手”能力方面还存在着一定不足,Google的这次技术突破,为将来人工智能机械实现自主化实时动态处理开辟了一条全新道路。
@独木舟:乒乓球本身不外乎速度、旋转、落点这几个要素。如果输入某位选手的多场比赛录像,是否可以统计其发力(速度)、旋转、落点的偏好,寻找其弱点。弄个乒乓球机器人AI出来有针对性的陪练,是不是效果更好呢?
@物理终结者:肌肉记忆是狭路相逢勇者胜。依靠经验和想象力解决复杂问题。AI是绝不打无准备之战,精于计算,滴水不漏。人类应不断提升AI的感知力,借助AI的能力更好地服务百姓的衣食住行。中国未来的足球机器人必能夺得世界冠军!
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。