捕获的视频流和人类指令来规划下一步行动, 展示 了 VLM 在无需地图、里程计或深度输入的情况下 实现最先进的导航性能的能力. 该方法模仿人类的 导航方式, 自然地解决了里程计噪声和从模拟到现 实 (Sim2Real) 的领域差异问题. 训练时, 作者通过 从连续环境中收集的 510 k 导航样本和 763 k 大规 模网络数据训练 NaVid, 并在模拟环境和现实世界 中进行了广泛的实验, 证明了 NaVid 尽管模拟器在安全、成本和效率方面均有优势, 但模拟环境无法完美复现现实世界的复杂性和不确 定性, 这就带来了如何确保机器人在现实世界中表 现与模拟中一致的挑战, 即 Sim2Real 问题. 传统 的 Sim2Real 方法依赖于手动设计和调整任务奖励 函数以及模拟物理参数, 这一过程缓慢且耗费人力. 与之相对, DrEureka[45] 算法通过对目标任务的物理 模拟, 能自动构建合适的奖励函数和领域随机化分 Liang W, Wang H J, Wang S, Zhu Y K, Fan L X, et al. DrEureka: Language model guided sim-to-real transfer. arXiv preprint arXiv: 2406.01967, 2024. 45 Luo Z Y, Cao J K, Christen S, Winkler A,

“数字核心”5。它整合了云、数据、AI和安全等 关键组成部分，以及来自生态系统合作伙伴的数 据，从而为实现高级自动化，乃至最终的自主化 奠定基础。 Making autonomous supply chains real 19 19 实现自主智能供应链 某高科技公司：迈向更智能、更自主的供应链之路 一家全球高科技公司亟需对其数据与决策 智能层进行升级，以便在整个供应链规模化应用 AI。在转型之前，供应链团队需要手动制定成千 可以通过奠定坚实基础来实现这一点，例如，结构 化的工厂布局、数字化的计划流程，以及诸如运输 管理系统、制造执行系统和仓库管理系统等基础 IT工具。 Making autonomous supply chains real 21 21 实现自主智能供应链 舍弗勒：运用AI与机器人重塑制造业 正发生在舍弗勒工厂内部的一场变革或将 在不久后重新定义全球供应链的运作方式。这 家领先的运动技术公司已成功打造了一项概念验

• The effectiveness of LogPrompt is evaluated mainly using the logHub datasets,which contains real-world logs from nine different domains, including supercomputers, distributed systems, operating systems

来解决当前系统的局限性，例如幻 觉 和逻辑上的缺陷。这也是想要 Al 接近人类智力水平， 需要 像婴儿一样学习世界运作的方式。 世界模型 / 数字孪生：让大语言模型能够低成本虚拟演练 58/80 Real-Time Autonamous Adaptive Conceptual Learning& Reasoning Cognitive Al 公众号 · 新智元 (Static)Knowledge&Skills

在此过程中，相关学术论文如《Video Surveillance Systems: Applications and Challenges》、《Deep Learning for Video Analytics》、《Real-time Surveillance with Deep Learning》等 为本方案提供了理论支持，并展示了类似技术的成功应用案例。这 些文献为实施方案的设计与优化提供了坚实的基础和切实可行的参