首页 > 其他分享 >具身智能领域,全球Top50华人图谱梳理

具身智能领域,全球Top50华人图谱梳理

时间:2024-11-04 12:17:34浏览次数:6  
标签:... 图谱 模型 机器人 具身 初创 智能 Top50

AGI(通用人工智能)起于大语言模型(LLM)、终于具身智能,是人工智能未来发展的方向;“机器人+大模型”为AGI走进物理世界提供了更多的可能性,而人形机器人则被业界普遍认为是AGI 最佳载体,人工智能大模型则被称作为机器人“大脑”。

人形机器人大致分为四大部分:本体、高动态性能的控制算法(小脑)、具有泛化性的具身智能以及非常接近人的通用人工智能。

具身智能可以粗略分为两个方向:具身大模型(大脑)和机器人整机(本体+小脑);大脑负责推理、规划、决策、感知;小脑负责运动控制和协调;本体包括上半身、下本身和传感器、‌执行器等硬件设备,执行指令并高效完成各类任务。

因而对于科技大厂以及初创企业而言,切入具身智能领域主要分两个方向:具身大模型(大脑)和机器人整机(本体+小脑),两个领域同时涉及的科技大厂和初创企业很少;科技大厂多专注于具身大模型(谷歌、英伟达等),初创企业多专注于机器人整机(银河通用、星动纪元等);当然,目前也涌现出一批优秀的专注于具身大模型方向的初创企业(Covariant、Physical Intelligence、穹彻智能等)。

具身智能技术领域具体会涉及到大语言模型(LLM)、视觉多模态模型(VLM)、强化学习(Reinforcement Learning)、深度强化学习(Deep Reinforcement Learning)、模仿学习(Imitation Learning)等诸多前沿技术。

本文所梳理具身智能技术领域,全球Top50华人,包括国内外高校助理教授/教授、全球头部科技大厂担任核心职位、知名初创企业担任创始人或者联合创始人。

本篇文章“具身智能技术领域,全球Top50华人图谱”主要梳理内容是全球具身智能领域头部科研院校、50位华人求学时期(院校、导师、研究方向、科研论文成就等),工作时期(过往履历、目前任职、公司情况等)。

小编整理后发现,全球Top50华人绝大多数具备UC Berkeley (加州大学伯克利分校)、Stanford (斯坦福大学)、MIT(麻省理工)、CMU(卡耐基梅隆大学)等一所或多所院校求学经历,并师从行业大牛。

比如说:

清华大学交叉信息研究院的助理教授、清华大学具身智能实验室负责人许华哲(教授):博士后就读于斯坦福大学,和李飞飞团队的吴佳俊合作;博士毕业于UC Berkeley,导师为Trevor Darrell教授,本科就读清华大学;目前也是人形机器人初创公司【星海图】联合创始人,公司已完成两轮融资。

具备UC Berkeley (加州大学伯克利分校)背景,已回国并在高校担任教授/助理教授的有:高阳、吴翼、许华哲、陈建宇等人,目前皆在清华大学担任助理教授,并以创始人或联创身份成立具身智能大模型或人形机器人本体初创企业。

... ... ...

接下来,小编将详细盘点具身智能技术领域,全球Top50华人:

1、UC Berkeley (加州大学伯克利分校)

... ... ...

本文内容仅展示一部分,更多详细解读,加入“机器人头条”知识星球,查看完整版文章:[原创]全球AI+Robotics领域,华人图谱并深度了解“具身智能&人形机器人”赛道

标签:...,图谱,模型,机器人,具身,初创,智能,Top50
From: https://blog.csdn.net/Robot251/article/details/143481261

相关文章

  • 信息抽取与知识图谱在医疗行业的融合:AI技术的深度应用案例
    一、系统概述在现代医疗行业,信息的碎片化与数据孤岛问题日益严重,导致医疗服务和研究效率的降低。思通数科针对这一现状,推出了一款开源免费的信息抽取与知识图谱平台,旨在将医疗数据的深度分析与智能化服务结合起来。二、应用场景在一家大型医疗中心,信息技术部门面临着整合各科......
  • 知识图谱毕业设计基于知识图谱的中学生物学习APP系统
    一、项目介绍  基于知识图谱的中学生物学习APP系统是一个集成了现代信息技术与教育教学理念的创新学习平台。该系统通过构建生物学科的知识图谱,将复杂的生物知识点以结构化、可视化的方式呈现给学生,从而提高学习效率,增强学习兴趣。以下是对该系统的详细介绍:基于知识图......
  • 知识图谱毕业设计基于知识图谱的微博可视化与推荐系统
    一、项目介绍  近年来,随着人类进入大数据时代,整个社交媒体平台产生的文本数量呈爆炸式增长。由于海量的中文文本本身存在稀疏性和高维性特点,其语义解释也具有多样性和较强的语境依赖性,这无疑增加了对中文文本准确分类任务的难度。如何利用计算机对海量文本信息进行准确......
  • 知识图谱与多模态学习的关系研究综述P1(《Knowledge Graphs Meet Multi-Modal Learnin
    文章汉化系列目录文章目录文章汉化系列目录摘要I引言A.动机与贡献B.相关文献综述C.文章结构II初步概述A.知识图谱B.多模态学习C.知识图谱驱动的多模态设置D.多模态知识图谱设置III知识图谱构建A.典型知识图谱构建B.多模态知识图谱(MMKG)构建摘要 知......
  • 基于知识图谱的旅游推荐问答系统
    如果你正在为毕业设计发愁,或者是科技爱好者,了解技术创新,那么这款"基于知识图谱的旅游推荐问答系统"绝对是你的不二选择!这不仅仅是一个普通的旅游推荐平台,更是汇集了多种现代技术的综合项目,特别适合作为技术研究和展示项目。系统亮点:智能推荐,让旅行更懂你!该系统结合了知......
  • 基于知识图谱的旅游知识问答系统
    ......
  • GraphRAG如何构建知识图谱Knowledge Graph (GraphRAG系列第二篇)
       GraphRAG工作的第一步,是将输入的文档集合,按一定的策略拆分成一个一个chunks,然后解析每个chunks,将chunk中所关注的实体(entity)和关系(relation)解析出来,以此构建知识图谱。     那问题来了,GraphRAG是如何抽取文本中的实体及其间的关系,是像以前NLP任务那样,通......
  • 《向量数据库指南》揭秘:GraphRAG如何重塑知识图谱与RAG的融合之道
    嘿,各位向量数据库和AI领域的探索者们,我是你们的老朋友,大禹智库的向量数据库高级研究员王帅旭,也是《向量数据库指南》的作者。今天,咱们来聊聊一个既前沿又实用的话题——GraphRAG,一个通过结合知识图谱来增强检索增强生成(RAG)能力的新方法。如果你对向量数据库和AI应用感兴趣的话,......
  • SpringBoot+Neo4j+Vue+Es集成ES全文检索、Activiti工作流、Neo4J知识图谱的知识库管理
     在数字化高度普及的时代,企事业机关单位在日常工作中会产生大量的文档,例如医院制度汇编,企业知识共享库等。针对这些文档性的东西,手工纸质化去管理是非常消耗工作量的,并且纸质化查阅难,易损耗,所以电子化管理显得尤为重要。【springboot+elasticsearch+neo4j+vue+activiti】实现......
  • 计算机毕业设计hadoop+spark知网文献论文推荐系统 知识图谱 知网爬虫 知网数据分析 知
    下面是一个简单的文献推荐系统算法示例,使用Python和scikit-learn库。这个示例基于协同过滤算法,该算法通过分析用户对文献的评分来推荐新的文献。为了简单起见,这里使用了一个小的数据集,并假设数据已经预处理过(例如,用户-文献评分矩阵)。首先,确保你已经安装了scikit-learn库:pip......