找到 11 筆
美國 AI 工業機器人公司 Standard Bots 完成 2 億美元 C 輪融資，估值 10 億美元，由 General Catalyst 與 RoboStrategy 領投，客戶包括 NASA、亞馬遜與洛克希德·馬丁。其機械臂用於上下料、焊接與裝配，採用共享基座模型加客戶演示微調，最大模型僅數十億引數；上下料的零樣本感知骨幹用超過 10 億張影像訓練，負責識別零件，運動與單元邏輯仍由傳統程式設計處理。
k10s 是 Go 與 Bubble Tea 寫的可點選 Kubernetes 終端 UI：滑鼠可點選行與面板，ctrl+p 統一搜尋資源型別與物件，啟動時不註冊任何 watch，informers 按需懶載入。它內建 AI，ctrl+a 用自然語言提問時會自動注入當前 context、名稱空間、資源型別與選中物件，回答針對該物件；同時相容 k9s 風格的 plugins.yaml 自訂動作。
YC P26 批次的反無人機公司 9 Mothers 在德州奧斯汀開放 7 個崗位。具體包括 1 名感知工程師、2 名硬體工程師（製造工程負責人、高階光機工程師）、3 名軟體工程師（UAS 飛行員、雷達工程師、機器人軟體工程師）和 1 名幕僚長。工作全部在奧斯汀現場進行，地點靠近靶場；內容涉及 AI 感知、動能攔截及其殺傷鏈，並要求圍繞靶場實測資料快速迭代。單發成本、可維護性與可製造性都被列為設計約束。簡歷可投 [email protected] 或 Ashby。
Google DeepMind 發布一期播客，討論 AI 生成內容日益逼真後如何驗證內容來自人類、機器還是自然。節目介紹內容溯源的作用，並講解不可感知水印如何保護數字媒體與生物設計，時間軸涵蓋水印概念、SynthID、影像與影片、SynthID Bio 及未來韌性等章節。
Google DeepMind 發布 SynthID Bio，一套面向 AI 生成生物設計的水印方法。官方稱這是全球首次能在不影響生物功能的前提下，把不可感知的簽名直接嵌入蛋白質序列。該技術屬於 SynthID 水印體系的新分支，具體覆蓋範圍、檢測方式與可用時間尚未公布。
有人在 GitHub 上對本地執行的大語言模型進行「拷問」和「疼痛」實驗，引發 X 上關於 AI 倫理的激烈爭論，部分有效利他主義者和相信 LLM 有感知的人要求 GitHub 刪除該專案。爭論源於近期多篇關於 AI 意識和「模型福利」的病毒式論文與博文，Anthropic 也曾在部落格和「Claude 憲法」中提及模型福利。文章認為 LLM 並不具備意識，其基於人類文字訓練的技術沒有通向意識的合理路徑。
一位作者在部落格中稱，自己閱讀 AI 生成文字的速度至少慢三分之一，即便篇幅相同。他把原因歸為兩點：AI 會平均化寫作風格，讀者難以感知作者本人及其語境；AI 為把文字拼接通順必須自行假設，傾向選擇更模糊的措辭，從而損失精度。他還指出多數模型輸出囉嗦，讀者需自行替換含糊詞，寫作者省下的時間會轉嫁到讀者一側，並帶來更多追問、更多迭代與信任下降。
Google 發布 SynthID Bio，將水印技術引入合成生物學，可在不損害生物功能的前提下把不可感知的簽名嵌入蛋白質序列與 AlphaFold 3 預測的 3D 結構中。實驗覆蓋 VEGF-A、SARS-CoV-2 spike RBD 和 PD-L1 三個靶點，加水印設計的命中率、結合親和力與序列多樣性均與未加水印版本相當，並首次造出帶水印且具生物功能的蛋白質結合體。該方法面向 DNA 合成篩查與 PDB、UniProt、GenBank 等資料庫的溯源驗證。
10 月 14 日，破曉智慧聯合天瓏移動發布全身全模態資料採集系統 SeePhys Hub，用四目頭環、兩個腕部手環、三個腰腿部追蹤器和可選觸覺手套，在輕量 Ego 採集之上補回全身姿態與手部接觸壓力。頭環重不超過 220 克、單個腕環不超過 75 克，相機、IMU 與 UWB 同步精度不超過 0.5 毫秒，配套平台負責解析、清洗、動作切分、語義標註與動作重定向。團隊計劃 2027 年推出全模態世界模型，優先在工業、餐飲零售等場景驗證，現階段不造自有機器人本體。
10 月 14 日，破曉智慧（PHANES AI）聯合天瓏移動發布全身全模態資料採集系統 SeePhys Hub，想在輕量 Ego 第一視角影片與高精度動捕、真機遙操作之間補上中間層資料。整套裝置由四目頭環、兩個腕部手環、三個腰腿部追蹤器和可分離觸覺手套組成，同步記錄 193° 水平視場的第一視角視覺、手部位姿與觸覺、全身運動資訊。官方給出的指標是全身姿態定位誤差中位數低至 1.5 釐米，頭環內部相機、IMU 與 UWB 同步誤差不超過 0.5 毫秒；
10 月 20 日，千訣科技在南京首屆物理 AI 與世界模型大會上發布預測式世界模型 Polibrain，已在四足、人形、輪式、雙臂等機器人形態上開展適配。該模型不生成未來畫面，而是在潛在表徵空間預測真正影響任務的狀態變化，並串聯感知、決策、執行與反饋形成閉環。千訣稱其與清華團隊 2025 年在 ICML 發表的隱變數可辨識性研究，比 LeCun 團隊相近論文早約一年。公司不造機器人本體，以松耦合架構讓不同形態機器人共享對世界的理解。