特斯拉机器人进厂打工，马斯克：手的自由度今年将达到22个！
特斯拉机器人Optimus最新视频出炉，已经可以在厂子里打工了。正常速度下，它分拣电池（特斯拉的4680电池）是这样的：官方还放出了20倍速下的样子——在小小的“工位”上，拣啊拣啊拣：这次放出的视频亮点之一在于Optimus在厂子里完成这项工作，是完全自主的，全程没有人为的干预。并且在Optimus的视角之下，它还可以把放歪了的电池重新捡起来放置，主打一个自动纠错：对于Optimus的手，英伟达科学家JimFan给出了高度的评价：Optimus的手是全球五指机器人里最灵巧的之一。它的手不仅有触觉感应，自由
特斯拉机器人Optimus最新视频出炉，已经可以在厂子里打工了。
正常速度下，它分拣电池（特斯拉的4680电池）是这样的：
官方还放出了20倍速下的样子——在小小的“工位”上，拣啊拣啊拣：
这次放出的视频亮点之一在于Optimus在厂子里完成这项工作，是完全自主的，全程没有人为的干预。
并且在Optimus的视角之下，它还可以把放歪了的电池重新捡起来放置，主打一个自动纠错：
对于Optimus的手
，英伟达科学家Jim Fan给出了高度的评价：
Optimus的手是全球五指机器人里最灵巧的之一。
它的手不仅有触觉感应，自由度（DoF）也达到了11个，而同行基本上都只有5-6个自由度。
并且坚固耐用，无需经常维护即可承受大量物体交互。
而就在Jim Fan的评论区，马斯克还现身透露了一个更重磅的消息：
今年晚些时候，Optimus手的自由度将达到22个！
不过有一说一，视频中展示Optimus分拣自家电池还只是“开胃菜”。
这一次，特斯拉罕见地公布了机器人的训练详情。
和特斯拉汽车相似的逻辑
首先在神经网络方面，从视频中的字幕中可以得知，特斯拉给Optimus部署的是一个端到端的神经网络来训练分拣电池的任务。
也正因如此，Optimus所用到的数据仅仅是来自于2D摄像头和手部的触觉、力度传感器，并直接生成关节控制序列。
特斯拉工程师Milan Kovac进一步透露，这个神经网络完全是在机器人的嵌入式FSD计算机上运行，并且由机载电池供电：
当我们在训练过程中添加更多不同的数据时，单个神经网络可以执行多个任务。
在训练数据方面，我们可以看到是人类戴着VR眼镜和手套，通过远程操作的方式来采集：
对于这一点，Jim Fan认为：
将软件设置为第一人称视频流输入和精确控制流输出，同时保持极低的延迟是非常重要的。
这是因为人类对自己的动作和机器人的动作之间哪怕是最小的延迟都非常敏感。
而Optimus恰好有一个流体全身控制器，可以实时执行人体姿势。
并且特斯拉机器人已经将这种模式扩展到了其它任务中：
如此规模也是令Jim Fan大受震惊的一点：
并行收集数据，一个机器人是远远不够的，而且人类还得每天轮班倒。
这种规模的操作可能是学术实验室里想都不敢想的。
不仅如此，从视频中Optimus们正在执行的任务来看也是多种多样，有分拣电池的，有叠衣服的，还有整理物品的。
Milan Kovac表示特斯拉在其中一家工厂已经部署了几个机器人，它们每天正在真实的工作站接受测试并不断改进。
总而言之，Optimus单是从视觉和人类示范来进行训练来看，这一点上是和特斯拉汽车的逻辑是有点类似了。
在视频的最后，官方还曝出Optimus另一个能力上的提升——可以走更远的路了：
One More Thing
Jim Fan的实验室也在这两天放出了一个新进展——
让机器狗踩着瑜伽球行走！
而它的训练方法和特斯拉Optimus截然不同，是完全在模拟环境中进行，然后零样本迁移到真实世界中，无需微调，直接运行。
具体背后的技术则是团队新推出的DrEureka，它是以之前五指机器人转笔背后的技术Eureka为基础。
DrEureka是一个LLM智能体，可以编写代码来训练机器人在模拟中的技能，并编写更多的代码来弥合困难的模拟与现实之间的差距。
简而言之，它完全自动化了从新技能学习到现实世界部署的流程。
而相较于特斯拉Optimus和英伟达机器狗的训练方式，Jim Fan也做了个灵魂总结：
远程操作是解决类人机器人问题的必要但不充分的条件。从根本上说，它无法扩展。
并且也有网友对此表示认同：
那么你觉得呢？
近日，有汽车领域博主爆料，特斯拉的FSD（完全自动驾驶）辅助系统将迎来一次重要升级，或将实现更真实的环境场景还原。在最新曝光的软件代码中，发现了大量新增的渲染模型，涵盖多种车辆与行人类型。这些新增模型包括救护车、消防车、垃圾清运车、校车、半挂式卡车、高尔夫球车、骑电动滑板车的行人、使用轮椅的行人、玩滑板的行人、推婴儿车的行人，以及道路清扫车、三轮车、拖车、火车和有轨电车等。这一系列高精度建模意味着FSD系统将能更准确识别并响应复杂交通参与者的行为。据CNMO掌握的消息，日本方面已为特斯拉FSD系统的落地扫
在千兆宽带、5G通信与云服务深度普及的2026年，大众普遍以为超大文件传输已步入“秒级时代”，但现实远未达到这般畅快。当面对数TB乃至数十TB级别的庞大数据集时，当下最可靠、最迅捷且兼顾安全性的传输方案，依然是“物理位移”——依靠人工携带存储介质完成跨地域交付。一位来自河南信阳的用户讲述了真实经历：他曾需将4TB资料从信阳送往郑州，首次尝试纯网络传输，系统预估总耗时近72小时；最终改用专人驱车运送，单程仅需约2.5小时，当天即完成取件与送达，整体效率显著超越线上方式。该实例迅速引发热议，多位资深IT博主随
AI视频生成正迎来属于“通义”的高光时刻！就在昨晚，阿里巴巴悄然推出了一款由音频驱动的14B视频大模型——Wan2.2-S2V。只需上传一张静态图片和一段音频，就能生成出面部表情生动、口型精准匹配、肢体动作流畅自然的电影级数字人视频，效果惊艳。实际效果展示如下：△来自@AIMIRAI46487更令人振奋的是，这款新模型一经发布便全面开源，现在所有人都可以免费在通义万相官网体验使用。据官方介绍，Wan2.2-S2V的核心优势包括：支持最长分钟级的单次视频生成，画面稳定且具有一致性；具备影院级别的音
5月30日，华为推出了全新的AI模型——盘古UltraMoE，该模型的参数量达到了7180亿。作为一款接近万亿参数的MoE(MixtureofExperts)模型，它在整个训练过程中完全基于华为的昇腾AI平台完成，标志着华为在超大规模模型训练方面取得了重要进展。盘古UltraMoE的成功训练离不开盘古团队研发的一系列创新技术。例如，Depth-ScaledSandwich-Norm(DSSN)稳定架构的引入，显著改善了超大规模模型训练期间出现的梯度异常及
大语言模型面对加密数据，即便最新的Qwen3也会感到压力！尽管当下各类推理模型在多种基准测试中表现优异，但在密码学这样对逻辑严谨性和细节准确性要求极高的专业领域，模型的推理能力还有待深入挖掘。密码学不仅要求模型具备高级数学运算能力和严密的逻辑推理链，还需要其能够精准辨识复杂加密模式中的潜在规律；成功解密要求模型拥有极强的综合推理能力。上海AILab等联合推出的CipherBank测评，使用大量真实隐私场景数据和多种密码算法，严苛挑战当前最先进的大模型。CipherBank的测评结果显示，目前的大语言模型
强化学习（RL）结合真实搜索引擎可以显著提升大模型的检索和推理能力。然而，这一方法面临两大挑战：搜索引擎返回的文档质量不稳定，导致训练过程中的噪音和不稳定性；RL训练需要频繁部署，产生大量API开销，限制了可扩展性。针对这些问题，阿里通义实验室推出了开源解决方案ZeroSearch，这是一个无需与真实搜索引擎交互的强化学习框架。实验表明，ZeroSearch只需使用3B参数的LLM作为检索模块，就能有效提升搜索能力，并大幅节省API成本。ZeroSearch让LLM实现自给自足
无论是专业摄影师还是摄影爱好者，相机内存储卡的可靠性都至关重要，尤其是在恶劣的拍摄环境中，数据存储的安全性更是不可忽视。尽管市场上有多种支持三防功能的移动存储设备用于数据备份，但最常用的SD存储卡由于采用塑料外壳，长期使用后容易出现破损，导致数据损坏，甚至可能损坏相机的存储卡槽，带来的损失不可估量。国际存储品牌雷克沙推出了全新的Armor系列SD存储卡，不仅读写速度快，还采用了不锈钢材质的外壳，具有优异的防水、防尘和防跌落性能，为相机的原始拍摄数据提供了可靠的保护。雷克沙ArmorSD存储卡分为GOLD
1.1计算机发展历程[计组]1.0_你好，我是计算机组成原理我们生活在一个信息化程度极高的世界中，我们每天的生活都离不开电脑和手机，这些设备实际上都属于计算机的范畴。计算机的底层结构由硬件构成，在硬件之上，我们会安装操作系统，再在操作系统上运行各种应用软件，这样就能得到一个易于使用的计算机系统。通过计算机网络，这些设备实现了信息的互联互通，这正是我们现在生活的信息化世界的缩影。计算机组成原理这门课研究的就是这些计算机硬件在底层如何协同工作。既然我们要研究硬件，不妨先来看一下大家日常生活中常见的一些硬件
Windows 10 是一款微软推出的经典操作系统，拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起，适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
