发布时间：2019-09-30 阅读量：1502 来源: 智东西 发布人: Jane
9月28日消息，近日，谷歌大脑发布了一项深度动力模型成果，能支持机器手做精细的动作。据称，他们的方法能使机器手仅利用三个小时实践获得的数据，就学会旋转小球等动作。
谷歌新研发的系统是以腾讯、OpenAI等众多相关的AI研究为基础建成的。据称，研究人员打算尽快将代码开源。
一、训练2.7小时就会转保定球
在研究人员用这套系统执行拾起放任务的过程中，最困难的一项任务是将两个保定球绕着手掌旋转而不掉落，但研究人员的模型仅使用了100,000个（或训练2.7小时）数据点的数据，就能完成这一任务。
在一个保定球的分支实验中，该团队改变了模型的用途。结果，该模型无需接受额外的培训，就能完成新的任务，包括将单个球放到目标位置、改变旋转的方向等等。它能成功地将两个球旋转90度和180度，成功率分别为100%和54%。
后续测试旨在研究其系统的灵活性，该团队在模拟环境中进行了手写实验。该方法将三维模型与特定任务分离，从而可以将算法沿用到其他的任务中，而不是记住特定任务的答案。
二、数据需求小，切换任务也奏效
“无物理模型的机器学习方法可以在学习复杂任务上很好地奏效。但是，当任务对机械手的灵活性要求提高时，即使是最先进的这类算法也会遇到困难。”论文合著者写道。
“任务联动的复杂性和任务的高失败率都使整体技术更加难以突破。无物理模型方法对数据需求量很大，因此很难在现实世界中使用。在这个项目中，我们旨在突破这种任务复杂性的界限。”
最终，团队将所谓的“不确定”的AI模型与最先进的轨迹优化结合起来，使用强化学习训练机器手。
每一个动作都会通过机器学习模型被计算下来，作为平均预测的奖励，该模型可用于优化待做动作的序列。机器手只执行第一个动作，然后接收更新的状态信息并在接下来的步骤中重新计划动作。
研究人员指出，这种根据反馈重新计划下一次动作的方法具有防止错误累积的优点，能降低误差。此外，使用他们的方法，机器人在中途切换新任务之后，之前的训练数据仍会奏效。
三、集腾讯、OpenAI多家之长
谷歌新研发的系统是以众多机器手相关的AI研究为基础建成的。
其中，包括腾讯近期一项关于五指魔方的立方体求解器研究。另外，OpenAI在去年七月份也介绍了一种系统，它能够以最先进的精度指导机器手抓握和操作对象。
去年九月，麻省理工学院CSAIL小组提出了一种名为“ 密集物体网”的计算机视觉系统，该系统使机器人能够检查、看懂并操纵它们没见过的物体。
就谷歌自己而言，它在年初就与哥伦比亚普林斯顿大学和麻省理工学院的研究人员合作，开发了一种被称为TossBot的捡拾机器人，能够抓取物体并扔进盒子里。
结语：新方法开创性地使机器手执行灵活任务
论文写道：“基于深度模型的方法挑战了惯有的观念，即模型难以学习且尚不能提供像无物理模型方法一样好的控制结果。在我们的操作任务模拟套件中，在学习速度和最终性能方面，它始终优于先前的方法，能开创性地执行很多灵活任务。”
“据我们所知我们首次证明，深层神经网络模型确实可以使机械臂高效地利用数据样本，自动探索精细的运动技能。”
文章来源：Venture beat
国际半导体产业协会（SEMI）最新报告指出，生成式AI需求的爆发正推动全球芯片制造产能加速扩张。预计至2028年，全球12英寸晶圆月产能将达1,110万片，2024-2028年复合增长率达7%。其中，7nm及以下先进制程产能增速尤为显著，将从2024年的每月85万片增至2028年的140万片，年复合增长率14%（行业平均的2倍），占全球总产能比例提升至12.6%。
据供应链消息确认，高通新一代旗舰芯片骁龙8 Elite Gen 2（代号SM8850）将首次采用双轨代工策略：台积电负责基于N3P（3nm增强版）工艺的通用版本，供应主流安卓厂商；而三星则承接其2nm工艺（SF2）专属版本，专供2026年三星Galaxy S26系列旗舰机。此举标志着高通打破台积电独家代工依赖，三星先进制程首次打入头部客户供应链。
在AI算力需求爆发性增长的浪潮下，存储巨头美光科技交出超预期答卷。其2025财年第三季度营收达93亿美元，创历史新高，其中高带宽内存（HBM）业务以环比50%的增速成为核心引擎。凭借全球首款12层堆叠HBM3E的量产突破，美光不仅获得AMD、英伟达等头部客户订单，更计划在2025年末将HBM市占率提升至24%，直逼行业双寡头。随着下一代HBM4基于1β制程的性能优势验证完成，一场由技术迭代驱动的存储市场格局重构已然开启。
随着汽车智能化升级，高保真低延迟高集成度的音频系统成为智能座舱的核心需求。意法半导体（ST）推出的HFDA80D和HFDA90D车规级D类音频功放，以2MHz高频开关技术数字输入接口及先进诊断功能，为车载音频设计带来突破性解决方案。
随着汽车智能化电动化进程加速，自动驾驶（AD）和高级驾驶辅助系统（ADAS）等关键技术模块已成为现代车辆标配。这些系统依赖于大量高性能电子控制单元（ECU）和传感器，导致车内电子元件数量激增。作为电路稳压滤波的核心元件，多层片式陶瓷电容器（MLCC）的需求随之水涨船高，尤其是在集成电路（IC）周边，对大容量电容的需求尤为迫切。然而，有限的电路板空间与日益增长的元件数量及性能要求形成了尖锐矛盾，元件的高性能化与小型化成为行业亟待攻克的关键难题。
