We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
cover of episode EP02 具身智能超级对话:人工智能如何引领机器人革命

EP02 具身智能超级对话:人工智能如何引领机器人革命

2024/1/22
logo of podcast ReSpark

ReSpark

AI Deep Dive AI Chapters Transcript
People
朱秋国
王小龙
许华哲
陈曦(Peter Chen)
Topics
陈曦(Peter Chen):我认为硬件方面没有核心突破,更多是模型和智能的突破。大型语言模型可以理解抽象任务描述并转化为可执行的任务。机器人领域热度增加,是因为AI热度高涨,机器人是AI的直观应用场景。 许华哲:我认为具身智能火热是必然,因为AI技术成熟度提高,使智能机器人成为可能。大模型展示了Transformer结构的潜力,让我们幻想机器人也能通过大量数据实现质变。硬件价格降低也是一个变量,使得实验室敢于用真机进行强化学习。 王小龙:我认为机器人领域火热是因为人们希望将AI的成功复制到机器人上,且AI工具连接性增强。机器人本质上需要感知到行动,AI的成熟度将很多东西连接在一起。硬件普及和仿真开发使得机器人研究可以进行更多对比,知识共享促进发展。 朱秋国:我认为演示效果好,投资机构怕错过风口是具身智能火热的原因之一。特斯拉机器人引发关注,ChatGPT出现使人们思考AI与机器人结合的可能性。从演示到产业化需要时间,但路线可行,小模型技术发展迅速。

Deep Dive

Chapters
本期节目讨论了具身智能领域的热门话题,邀请了四位来自学术界和产业界的专家,探讨了具身智能的起源、发展动力以及未来趋势。嘉宾们分享了各自的观察和见解,并对具身智能在 2023 年的火热进行了深入分析。
  • 人工智能和机器人的发展方向
  • 具身智能领域的产业和学术动态
  • 2023年具身智能领域创投的火热

Shownotes Transcript

大家好,欢迎来到SOTA!这是一档分享AI机器人领域最前沿的产业和学术动态的播客,我是Jamie!

这期节目我们非常荣幸的邀请到了四位具身智能领域优秀的企业家和学者探讨具身智能领域的热门话题。四位嘉宾包括Covariant的联合创始人兼CEO 陈曦(Peter Chen),UCSD助理教授王小龙,清华大学交叉信息研究院助理教授许华哲,和云深处创始人朱秋国。

嘉宾介绍:

**陈曦(Peter Chen)**是Covariant.ai的首席执行官兼联合创始人。Covariant是一家领先的AI机器人初创公司,已经融资超过2亿美元。Covariant正在构建用于机器人学的基础模型,使机器人可以对物理环境进行识别、推理和操作。在创办Covariant之前,陈曦(Peter Chen)曾是OpenAI的研究科学家,也是加州大学伯克利分校人工智能研究实验室(BAIR Lab)的研究员,他专注于强化学习、元学习和无监督学习。Peter在领先的学术期刊上发表了30多篇论文,引用超过2万次。

朱秋国是云深处创始人兼CEO ,同时也是浙江大学控制科学与工程学院副教授,主要研究领域为仿生机器人和机器智能,主持研制人形机器人“悟空”和四足机器人“绝影”。承担国家重点研发项目、国家自然科学基金等项目10余项,发表学术论文40余篇,授权发明专利40余项。云深处科技(DEEP Robotics)是全球四足机器人行业应用的引领者,自主研发的“绝影”系列机器人在国际同类产品中已经达到先进水平,并率先在电力、消防、隧道、安防等领域投入使用。

王小龙是加州大学圣迭戈分校(UCSD)电子工程系的助理教授,同时隶属于TILOS NSF人工智能研究所。他在卡内基梅隆大学(CMU)获得机器人学博士学位,并在加州大学伯克利分校进行博士后研究。他的研究聚焦于计算机视觉和机器人学的交叉领域。他特别关注从视频和物理机器人交互数据中学习3D和动态表示。这些综合表示被用于促进机器人技能的学习,旨在使机器人能够在真实物理世界中与各种对象和环境有效交互。他获得了NSF CAREER奖、Intel Rising Star Faculty奖,以及来自Sony、Amazon、Adobe和Cisco的研究奖励。

许华哲博士现为清华大学交叉信息研究院助理教授,博导,清华大学具身智能实验室负责人。博士后就读于斯坦福大学,博士毕业于加州大学伯克利分校。其研究领域是具身人工智能(Embodied AI)的理论、算法与应用,具体研究方向包括深度强化学习、机器人学、基于感知的控制(Sensorimotor)等。其科研围绕具身人工智能的关键环节,系统性地研究了视觉深度强化学习在决策中的理论、模仿学习中的算法设计和高维视觉预测中的模型和应用,对解决具身人工智能领域中数据效率低和泛化能力弱等核心问题做出多项贡献。顶级智能机器人会议CoRL'23最佳系统论文得主,在IJRR, RSS,NeurIPS等发表顶级期刊/会议论文四十余篇,代表性工作曾被MIT Tech Review,Stanford HAI等媒体报道。曾在IJCAI2023、IJCAI2024、ICRA2024担任领域主席/副主编。