9月17日，杭州宇树科技股份有限公司（简称宇树科技）副总经理😁杜鑫峰在“2025世界储能大会”上发表演讲。杜鑫峰表示，公司🙌的机器人现在广泛应用于文娱表演方面，同时在工业巡检、电网、储😎能等场景中有了一定应用。 “机器人除了在生活中提供情绪🥳价值，更多被定位于‘进厂打工’。我们认为，让机器人进入工厂进🤩行复杂的操作和繁重、重复的工作也是公司将来一定要解决的问题。😆”杜鑫峰说。 2021年以来，具身智能研究面临的首要困😘难是数据获取。与语言大模型的数据获取方式不同，具身智能方面的😘训练数据依赖机器人硬件实体与物理环境交互生成，而此前缺乏成熟😴的人形机器人载体，导致基础数据积累方面一片空白。因此，如今的😢核心挑战已转为如何高效采集、获取和制造训练数据。 杜鑫😁峰介绍，行业内针对这一痛点当前主要采用两种路径解决问题： 😂 一是真实环境采集，即通过人工遥控机器人完成抓取、移动等操🤩作，成功执行任务后即可形成有效样本。该方法虽易于实现，但数据🚀生成效率很低。 二是仿真环境训练，即依托算力在三维孪生🌟环境中批量生成训练场景。这一方法可支持数千台虚拟机器人同步训😘练，但训练效果高度依赖重力、摩擦力等物理模型的精密程度，否则🌟训练效果难以在现实中复现。 “针对机器人在各种环境里的😁适应性问题和场景迁移性问题，公司也提出了几种解决方案。一是通😢用解决方案，即将高性能的四足机器狗和人形机器人大量应用在各个🙄场景中；二是使用机器人动作训练大模型。”杜鑫峰说。 宇🤔树科技的四足机器狗和人形机器人已被初步应用在储能与电网场景中🎉。其中，机器狗在变电站场景表现突出。它可自适应平地、鹅卵石路👏面、台阶、斜坡等复杂地形，通过采集4条腿上12个电机的电流数😊据，结合强化学习自动选择适配步态，实现全地形稳定行走。 💯 杜鑫峰介绍：“机器狗在工业巡检领域优势显著，能精准适配野外🚀、灾后现场等非结构性环境，替代人工完成一些搬运、抢险救灾等工😎作。”返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

近日，《Nature》杂志的最新一期封面论文引起了广泛关注，🙄研究主题是 DeepSeek-R1。这项研究由梁文锋教授团队👏主导，内容围绕如何通过强化学习来提升大型语言模型（LLM）的😂推理能力。早在今年1月，该研究已在 arXiv 上发布，受到😀学术界的高度评价。 在封面介绍中，《Nature》指出🙄，如果大型模型能够规划解决问题的步骤，往往会得到更好的解决方🤔案。这种推理能力与人类处理复杂问题的方式相似，但在人工智能领👍域实现这一点面临着巨大的挑战。研究团队展示了如何在极少人工干👍预的情况下训练出具备推理能力的模型。 DeepSeek⭐-R1模型的训练采用强化学习策略，模型在正确解答数学问题时会🌟获得高分奖励，而答错则会受到惩罚。通过这样的机制，DeepS🤔eek-R1学会了逐步推理、解决问题，并在给出答案前进行自我⭐验证，从而提高了其在编程和科学研究中的表现。 值得一提🚀的是，DeepSeek-R1被认为是首个经过权威学术期刊同行😴评审的语言模型，这一成就标志着 AI 领域的一个重要里程碑。😀Hugging Face 的工程师 Lewis Tunsta🤗ll 对此表示，这是一个重要的先例，强调了行业规范的重要性，🚀尤其是在评估 AI 系统潜在风险时。 此外，研究团队在👍论文中对模型的训练数据类型和安全性进行了详细说明，避免了对模😎型的拟人化描述，确保研究的严谨性和透明度。这一开放模式得到了😀同行的广泛赞誉，认为有助于提升公众对 AI 的信任。 👏划重点:返回搜狐，查看更多