目录

北京视睿网络技术有限责任公司将相同的骨骼数据和模型，分别运用于虚拟世界和现实世界。在虚拟世界中可以通过输入的文字信息生成相应的视频内容（相关内容介绍：输入文字AI转视频的技术应用：生成课程和逻辑连贯的视频内容可用于制作剧集）。
数据集和模型的应用

骨骼数据在现实世界中的应用是北京视睿网络技术有限责任公司另一个主要研究的项目。
将骨骼运动数据映射到人形机器人对应的关节上并深度学习运动数据，使机器人可以完成简单的人类动作。
机器人动作学习

通过大量的学习，最终完成人形机器人自己学习及模仿人类行为的效果。并且可通过对关节运动的约束，以减少人形机器人做出攻击性的行为。

对未来人型机器人的期望

关于机器人的行为

机器人的意识和行为都是要用原始数据集作为基础的。也就是说，机器人的意识和行为是根据数据集的内容做出复制或新的排列组合。
如果原始的数据集中没有攻击性的动作，理论上机器人是很难自己生成攻击行为的。但也不是绝对的，所以我们可以按以下几种情况分析机器人的攻击行为。

如何定义机器人的攻击性行为

第一，故障。
第二，程序错误导致的关节无序运动。
第三，对于关节没有约束，机器人的关节运动时方向位置未按照人类运动规律执行。也就是说机器人的动作在人类正常的预期之外，而造成的“伪”攻击行为。
第四，因原始数据集中包含攻击性动作的数据，机器人完成该数据学习后做出的相关行动。

生活机器人现在可以完成哪些任务

  1. 提醒记事
  2. 收发邮件
  3. 翻译
  4. 跑腿：拿水
  5. 开灯
  6. 洗衣（寻找家电品牌合作中）
  7. 做饭（寻找家电品牌合作中）
    视睿机器人：Amu

机器人的制作

此版视睿机器人Amu不出售整机，大家可以在视频号上免费学习制作同款，并体验所有同款功能。

免费的训练营

# 机器人 # 人工智能
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

graphify 视频音视频转写全流程解析：从 detect 结果到知识图谱文档的 Step 2.5

graphify 的核心能力是把任意语料（代码、文档、PDF、图片）转化为可查询的知识图谱，而视频与音频文件无法被直接阅读，必须先把它们转写成文本。本文围绕 `graphify` 运行手册中的转写参考文档 [transcribe.md](https://link.gitcode.com/i/d3285781588e0f1b84886dfdbc4fe7f6)，完整讲解 "Step 2.5 - Tra

avatar 天工造物局

ML-For-Beginners 终章：经典机器学习在金融、医疗、零售等八大行业中的真实落地场景

本篇技术指南基于开源课程仓库 ML-For-Beginners 的收尾课程《Postscript: Machine learning in the real world》（对应仓库目录 [9-Real-World/1-Applications](https://link.gitcode.com/i/6b23002df80861c20abf34d7db63ef41)）编写。该课此前 11 周的教学带

avatar 天工造物局

graphify 知识图谱查询实战：query / path / explain 与可审计的答案闭环

本指南以 graphify 的 Trae 版查询技能参考（[graphify/skills/trae/references/query.md](https://link.gitcode.com/i/72a7875d46ec6d3706d31791f3cdcbe0)）为主体，系统讲解如何针对**已构建好的知识图谱**执行三类查询：语义相关节点遍历（query）、两概念间最短路径（path）、单节点关

avatar 天工造物局