18 技能泛化：组合泛化实现未知技能的学习 n RA-P (IROS 2025, NeurIPS 2024 OWA): composable generalizable agents in real world n Decompose complicated tasks into fine-grained primitive skills, generalizable to new physical 2025 技能泛化：组合泛化实现未知技能的学习 n RA-P (IROS 2025, NeurIPS 2024 OWA): composable generalizable agents in real world n Decompose complicated tasks into fine-grained primitive skills, generalizable to new physical 2025 技能泛化：组合泛化实现未知技能的学习 n RA-P (IROS 2025, NeurIPS 2024 OWA): composable generalizable agents in real world n n Decompose complicated tasks into fine-grained primitive skills, generalizable to new

process to prompt the generator to generate images progressively resembling the distribu- tion of real data [7, 8]. Moreover, the diffusion models stand out as the most revolutionary technologies that SketchyGAN [37] focuses on the sketch-to-image generation task and aims to achieve more diversity and real- ism. Currently, ControlNet [38] can control diffusion mod- els by adding extra conditions. The sketch-to-image mindsets and explore new design spaces. Simul- taneously, diffusion probabilistic models can generate real- istic architectural rendering images suitable for Virtual Re- ality (VR) or Augmented Reality (AR)

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,

中原银行实时风控体系建设实践 Construction practice of real-time risk control system of Zhongyuan bank 陈玉强 中原银行数据银行部 河南省唯一省级法人银行 贴心、专业、合作、共赢 服务战略、服务实体、服务企业、 服 务人民 • 蝉联六年《金融时报》 “年度十佳城市商业银行” ，相继荣获“铁马 十佳银行 ”、“最佳上市公司

“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

✅四足机器人 ❌AI虚拟人 ❌传统机械臂 具身智能PIE方案的3个模块 具身智能三要素 Real-to-Sim 物体知识库 AKB-48 交互式物体感知 SAGCI-System 仿真引擎 RFUniverse 通用物体抓取 GraspNet 具身执行（Execution） Sim-to-Real 具身想象（Imagination） 具身感知 （Perception） 行动 要素1：环境

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

性要求，而优化后的 Fast YOLO 等新版本，更可将速度提升 至 155 帧 / 秒。 11 更多 YOLO 算法详情，请参阅 You Only Look Once: Unified, Real- Time Object Detection，Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi https://arxiv 按帧统计时的行为状态分析 图 2-2-3 YOLO 算法模型 输入 S x S 个网格 最终检测 类概率图 边界框 + 置信度 11 数据援引自 You Only Look Once: Unified, Real-Time Object Detection，Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi 原 始 帧 30-120 秒视频片段 部署在边缘的基于语义理解的智能会议纪要解决方案 基于语音识别能力构建教学辅助能力 语音识别在教学辅助中应用时面临的挑战 语音识别解决方案的评估指标一般为字错误率（Word Error Rate,WER）和实时率（Real Time Factor, RTF），面向教育 机构的应用场景还有数据隐私和安全性的要求。当方案厂商与 教育机构一起优化基于英特尔® 架构的 AI 负载的过程中，往 往会遇到以下挑战： ■

● 中国算力发展指数白皮书（2023 年），信通院，2023 ● Carbon Footprint Reduction for Sustainable Data Centers in Real- Time，惠普实验室，2024 ● 2023 年中国企业绿电交易排行榜，BNEF，2023 ● 中国区域电网二氧化碳排放因子研究（2023），生态环境部环境规划院， 2023