Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

具身智能领域再掀波澜!穹彻智能完成数亿元Pre-A轮融资,助力人工智能走进真实世界!

9 月 6 日,具身智能领域初创公司穹彻智能(Noematrix,上海穹彻智能科技有限公司)宣布完成累计数亿元人民币的天使轮和 Pre-A 轮两轮融资。融资所筹资金将用于穹彻智能产品研发、商业化拓展以及人才招募等。据了解,穹彻智能成立于 2023 年 11 月,由深耕通用智能机器人领域近十年的非夕科技集团战略孵化,致力于研发具身智能系统及其相关工具与平台。

图片

本轮融资由知名投资基金 Prosperity7 Ventures 与广发信德联合领投,泽羽资本、创新工场、奇绩创坛、璞跃中国(Plug and Play China)以及 MFund 魔量资本等著名投资机构参投。其中,Prosperity7 Ventures 作为阿美风险投资(Aramco Ventures)旗下的多元化增长基金,专注于投资和扶持在新兴行业中具备技术创新和发展潜力的初创公司,以推动行业变革。广发信德是广发证券全资私募基金子公司,专注于新一代信息技术、人工智能、TMT、医疗健康等多个领域的投资。

天使轮融资由小苗朗程领投,MFund 魔量资本、京海展悦与无限基金 SEE Fund 等参投。

穹彻智能的创始团队在人工智能和机器人领域拥有深厚的学术积累和丰富的行业经验,对具身智能的技术理论和应用范式有着独到而深刻的见解。

联合创始人卢策吾在斯坦福人工智能实验室的博士后期间,师从李飞飞教授和 Leo Guibas 教授(美国工程院院士)。现任上海交通大学教授,是国内最早研究具身智能领域的学者之一,因其在这一领域的杰出贡献,获得 2023 年科学探索奖。卢策吾团队原创提出了 AnyGrasp 抓取算法,实现了超越人类水平的首次突破。团队已在《自然》、《自然 - 机器智能》、TPAMI、T-RO 等顶级期刊上发表了 100 多篇论文,获国际机器人顶会最佳论文、最佳系统论文提名。其中,团队的 RH20T 数据集为第一个大规模包括力觉信息的大规模具身数据集,卢策吾也是国内唯一获邀加入 Open X Embodiment Dataset 国际联合具身智能大规模数据集项目的中国学者。

联合创始人王世全,斯坦福大学博士、上海交通大学客座教授及上海市科协常委,于 2016 年发起创立非夕科技,开创了基于极致力控和层级式智能的仿人化通用机器人技术路径。其自适应机器人产品已在工业制造、食品加工及医疗服务等多个行业广泛应用,在近百项应用中突破了机器人能力的边界。

目前,具身智能面临的主要挑战包括如何有效地描述物理世界及其与机器人之间的交互。一方面,现有的自然语言大模型和视觉语言大模型在解决现实世界复杂问题时显得不够充分,仅依赖视觉和语言模态难以对物理世界进行全面描述。另一方面,训练具身智能大模型所需的数据获取成本高、效率低,并且缺乏统一标准。针对这些挑战,穹彻智能提出了独特的技术路线和战略选择——发布「以力为中心」的具身大脑系统,通过快速迭代通用技能,实现高效且低成本的解决方案。

常见的具身智能架构主要基于视觉语言大模型进行环境和任务的表征学习与推理,并通过模仿学习强化学习实现基于轨迹位置的决策优化。而穹彻智能依托于力控技术方面的深厚积累,通过将力的多维模态和控制策略引入学习空间,构建了一个基于物理常识和行为决策的具身智能模型框架体系。其中,实体世界大模型通过面向操作的拓扑结构常识理解、以操作任务为中心的物理常识理解,以及 pose-shape 联合训练框架,具有准确率高、训练成本低的优势,同时解决了柔性物体操作的难题。此外,考虑到「力觉」在机器人与物理环境互动中的关键作用,穹彻智能推出了力 - 位混合的机器人行为大模型,实现了全面的力-位混合决策控制,具备训练信息完备、高可迁移性、高精度、高鲁棒性等优势。实体世界大模型以任务为中心,抽象提取操作物理常识的表征,从而显著缩小训练空间;机器人行为大模型则以力和对象为中心,进一步塌缩训练空间。这种两级架构的联合训练方式不仅显著降低了数据需求,还提高了实际应用的可行性。

穹彻智能秉持「技术驱动,产品先行」的商业策略,紧密对接智能体市场需求,在成立初期,穹彻智能便正式发布了自主研发的穹彻具身大脑 Noematrix Brain。穹彻智能深信,以具身大脑系统为核心的智能基础设施在推动机器人产业的技术创新和产品应用方面具有巨大的商业和社会价值。该系统以「通用性」和「智能性」为设计核心,提供一整套全面的、软硬件一体化的平台和工具,涵盖从研发、测试到部署和验证的整个智能体应用生命周期。

图片

穹彻智能的产品设计秉承「标准化」和「平台化」原则,注重 AI 核心技术的同时,也重视硬件作用和开发者体验。通过硬件选型优化和针对算法及软件架构的硬件加速,穹彻智能提供了软硬一体的大脑系统,确保卓越性能并适配各种具身智能设备。同时,穹彻智能将软硬件经验转化为标准化方案,推出集成本体硬件、基础软件框架、算法模型和配套工具的应用开发平台,助力开发者实现高效且便捷的具身智能应用开发。

通过统一的模型架构,深入的业务判断和场景筛选,穹彻智能发现,解决市场痛点需求的关键在于共性技能相关的突破。为此,穹彻智能推出了可适配多种具身智能本体平台的 AnySkill 通用技能系列产品。该产品秉承实际可行的设计验证标准,所有功能和模块经过实机测试,具有高度的环境适应性、强大的操作对象泛化能力以及显著的市场应用价值。

2024 年 7 月世界人工智能大会期间,穹彻智能作为在开放环境下进行全任务过程真机演示的具身智能厂商,展示了其具身大脑系统在地面清洁、桌面整理、柔性物体操作(如叠衣服)和食材处理(如削黄瓜)等多种任务中的卓越表现,穹彻智能成功实现在全球范围内多项技能的首次公开展示。

图片

凭借对通用技能的广泛积累与组合,穹彻具身大脑的算法能力将得到显著提升,从而扩展其应用场景范围。穹彻智能团队通过 AnySkill 通用技能系列产品的应用和商业探索,已初步验证了渐进式的技术发展到商业化的路径能够形成可持续的正向循环。这一验证不仅证明了技术的实际效果,还展示了持续发展的潜力。随着技术的不断进步和商业应用的不断扩展,穹彻具身大脑有望在更多领域发挥作用,推动具身智能技术的广泛应用。

创始人 & 投资人评价:

穹彻联合创始人卢策吾:非常感谢各位投资人的支持。我们在这一领域深耕了近十年,公司成立初期即汇聚了一支极高人才密度的创业团队。我们团队对做出具身智能突破性的理论、革命性技术和可规模化产品也充满激情与信心。未来,我们将以坚定的步伐,继续推动具身智能技术和产业化落地的发展,实现人工智能真正走向实体世界美好愿景,以实际行动回馈这份信任。

穹彻联合创始人王世全:实现具身智能的真正突破需要扎根于人工智能及机器人软硬件多个维度的持续积累与深入思考。穹彻的孵化承载着我们在具身智能领域的长期沉淀与规划。感谢各位股东和投资人的信任支持,穹彻得以在这创新浪潮和历史机遇期里诞生。我们将沿着特点鲜明的技术路径,以最优的产品架构和业务形态,不断加速具身智能的技术演进与商业化落地。

Prosperity7 Ventures 执行董事总经理 Aysar Tayeb:穹彻智能在机器人硬件和软件领域展示了卓越的领导力和显著的突破,处于新兴具身智能领域的前沿。凭借丰富的商业化经验,穹彻具身大脑有望成为各种类型机器人标准化的大脑系统,这将为整个机器人行业带来巨大的机遇。穹彻智能团队成功展示了在开放环境下全任务过程真机演示的能力,展现了多种操作技能。我们期待穹彻智能不断取得更多突破。

广发信德项目经理周思政认为:穹彻智能团队是国内顶尖的具身算法团队,公司研发的实体世界大模型和机器人行为大模型快速迭代,已经在多个应用场景展现出较好的通用能力。我们看好具身智能的长期发展和应用前景,非常高兴能够与公司合作,一起探索具身智能的美好未来。穹彻智能作为具身智能通用产品及平台的提供者,将支持各类智能体的开发需求,并拓展至人形机器人、智能家居、商用拣放等多种应用场景。
产业穹彻智能具身智能
相关数据
李飞飞人物

李飞飞,斯坦福大学计算机科学系教授,斯坦福视觉实验室负责人,斯坦福大学人工智能实验室(SAIL)前负责人。专业领域是计算机视觉和认知神经科学。2016年11月李飞飞加入谷歌,担任谷歌云AI/ML首席科学家。2018年9月,返回斯坦福任教,现为谷歌云AI/ML顾问。10月20日斯坦福大学「以人为中心的AI计划」开启,李飞飞担任联合负责人。11月20日李飞飞不再担任SAIL负责人,Christopher Manning接任该职位。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

规划技术

人工智能领域的「规划」通常是指智能体执行的任务/动作的自动规划和调度,其目的是进行资源的优化。常见的规划方法包括经典规划(Classical Planning)、分层任务网络(HTN)和 logistics 规划。

表征学习技术

在机器学习领域,表征学习(或特征学习)是一种将原始数据转换成为能够被机器学习有效开发的一种技术的集合。在特征学习算法出现之前,机器学习研究人员需要利用手动特征工程(manual feature learning)等技术从原始数据的领域知识(domain knowledge)建立特征,然后再部署相关的机器学习算法。虽然手动特征工程对于应用机器学习很有效,但它同时也是很困难、很昂贵、很耗时、并依赖于强大专业知识。特征学习弥补了这一点,它使得机器不仅能学习到数据的特征,并能利用这些特征来完成一个具体的任务。

机器人技术技术

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

准确率技术

分类模型的正确预测所占的比例。在多类别分类中,准确率的定义为:正确的预测数/样本总数。 在二元分类中,准确率的定义为:(真正例数+真负例数)/样本总数

模仿学习技术

模仿学习(Imitation Learning)背后的原理是是通过隐含地给学习器关于这个世界的先验信息,就能执行、学习人类行为。在模仿学习任务中,智能体(agent)为了学习到策略从而尽可能像人类专家那样执行一种行为,它会寻找一种最佳的方式来使用由该专家示范的训练集(输入-输出对)。

强化学习技术

强化学习是一种试错方法,其目标是让软件智能体在特定环境中能够采取回报最大化的行为。强化学习在马尔可夫决策过程环境中主要使用的技术是动态规划(Dynamic Programming)。流行的强化学习方法包括自适应动态规划(ADP)、时间差分(TD)学习、状态-动作-回报-状态-动作(SARSA)算法、Q 学习、深度强化学习(DQN);其应用包括下棋类游戏、机器人控制和工作调度等。

创新工场机构

创新工场由李开复博士创办于2009年9月,作为国内的创业投资机构,创新工场深耕在人工智能&大数据、消费和互联网、B2B&企业升级、教育、医疗等领域,并不断探索与创新,致力于打造集创业平台、资金支持、投后服务等的全方位生态投资服务平台。

http://www.chuangxin.com/
本体技术

在计算机科学和信息科学中,本体包括表示、正式命名和定义概念,数据,实体之间的类别,属性和关系,并在一个,多个或所有域实例中。

推荐文章
暂无评论
暂无评论~