ROOBO公布A轮1亿美元融资 发布人工智能机器人系统

简介:

9月21日,中国人工智能创业公司ROOBO一口气发布了ROOBO人工智能机器人系统,还有DOMGY智能宠物机器人等一大波令人眼花缭乱的机器人新品。

在这场名为“重新定义机器人”的主题秋季产品暨战略发布会上,北京智能管家科技有限公司(ROOBO)还宣布获得高达1亿美元A轮融资,成为了中国人工智能机器人领域最高的一笔A轮融资。

如何重新定义机器人?致力于人工智能机器人系统研发的ROOBO,以“软硬兼施”的姿态,重塑了机器人时代的人机交互和应用生态,在相继被新闻联播、TechCrunch等国内外顶级媒体报道之后,这家中国人工智能公司显示出中国企业在机器人时代“领跑在起跑线”的能力和决心。

ROOBO核心团队亮相,公布A轮1亿美元融资

革命即将到来:在ROOBO系统赋予了机器人“人格”之后

发布会上,CEO刘颖博带领全体核心团队对外正式发布ROOBO人工智能机器人系统以及DOMGY智能宠物机器人、J2商用服务机器人、四足机器人等新品。

其中, DOMGY智能宠物机器人很好地诠释了什么是能够被大众理解、接受并且喜爱的智能机器人。DOMGY作为主打新品与产品副总裁陈忆进行了现场互动,表现活泼、俏皮,成了现场最大的明星。DOMGY不仅能识别文字信息,还能掌握语言的节奏和情绪,判断人物的性格特征并进行深度学习。通过对计算机视觉的运用, DOMGY能识别家庭中的成员和宠物,完成家庭空间的3D识别,还能按照主人设定的路径进行安全巡逻,敏锐地捕捉异常画面并及时拍照上传APP提醒主人。拥有思想并能表达情感的DOMGY不再是一个冰冷的机器,而是一只陪伴家庭的智能宠物。

DOMGY智能宠物机器人与陈忆在现场互动

自主系统+自主芯片:ROOBO重新定义了机器人时代的人机交互

发布会上,ROOBO CTO雷宇向大家介绍了ROOBO人工智能机器人系统,重新定义了机器人时代人机交互的方式。ROOBO的智能机器人系统主打交互最短路径、交互主动性,以及带有情感的交互,使得机器具备人的智能,能够与人进行有感情、有思想的交流。

同时,雷宇还重点介绍了国内第一颗商业化量产的人工智能芯片CI1006,这是一颗基于Asic架构的DNN语音识别芯片。它能够为智能机器人补上“大脑”及音频传感终端,采用本地的神经网络数据处理降低产品对于网络的依赖,提升机器人响应及控制速度,实现最优的产品效果。未来,ROOBO还将陆续发布智能图像芯片,以及整合本地感知和控制能力的人工智能芯片等底层硬件产品。

第一颗商业化量产的Asic架构DNN语音识别芯片

爆发前夜的ROOBO:领跑机器人的标准化和开放生态

作为下一个万亿级市场的入口,人工智能机器人市场已经走到了爆发的前夜,机器人企业纷纷抢滩争夺第一梯队。然而一直以来,人工智能机器人的开发都处于一种各自为营的非标准化的状态,这严重阻碍了机器人产业的发展速度。

ROOBO研发的人工智能机器人系统定义了智能机器人系统的标准。同时,ROOBO向所有开发者开放了系统的各个接口,为其提供丰富的定制化方案,使创意实现为产品的过程更加快速、简单。这将对智能机器人行业的商用化、家庭化产生深远影响。

针对产业链的打造,ROOBO联合科大讯飞、富士康、沃特沃德等国内外巨头,打通了人工智能机器人产业链在研发、设计、供应链、生产、市场、销售等的各个环节。进而帮助创业团队能够以更快的速度、更低的成本将产品推向市场。

J2商用服务机器人展示

最后,联合创始人尹方鸣宣布近期已经完成由科大讯飞等联合投资的1亿美金A轮融资。并表示,ROOBO的战略目标是打造家庭网络的入口,连接人与服务,成为家庭生活的智能管家。希望联合更多优秀的团队为用户提供最好的产品,推动人工智能机器人行业的发展。


原文发布时间为:2016年9月21日

本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。


相关文章
|
13天前
|
机器学习/深度学习 算法 TensorFlow
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
动物识别系统。本项目以Python作为主要编程语言,并基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集4种常见的动物图像数据集(猫、狗、鸡、马)然后进行模型训练,得到一个识别精度较高的模型文件,然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面,实现用户上传一张动物图片,识别其名称。
43 1
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
|
12天前
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
61 21
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
12天前
|
机器学习/深度学习 人工智能 算法
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
鸟类识别系统。本系统采用Python作为主要开发语言,通过使用加利福利亚大学开源的200种鸟类图像作为数据集。使用TensorFlow搭建ResNet50卷积神经网络算法模型,然后进行模型的迭代训练,得到一个识别精度较高的模型,然后在保存为本地的H5格式文件。在使用Django开发Web网页端操作界面,实现用户上传一张鸟类图像,识别其名称。
58 12
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
|
11天前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
40 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
8天前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
19 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
8天前
|
机器学习/深度学习 人工智能 算法
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台。果蔬识别系统,本系统使用Python作为主要开发语言,通过收集了12种常见的水果和蔬菜('土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜'),然后基于TensorFlow库搭建CNN卷积神经网络算法模型,然后对数据集进行训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地文件方便后期调用。再使用Django框架搭建Web网页平台操作界面,实现用户上传一张果蔬图片识别其名称。
25 0
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
13天前
|
机器学习/深度学习 存储 人工智能
文本情感识别分析系统Python+SVM分类算法+机器学习人工智能+计算机毕业设计
使用Python作为开发语言,基于文本数据集(一个积极的xls文本格式和一个消极的xls文本格式文件),使用Word2vec对文本进行处理。通过支持向量机SVM算法训练情绪分类模型。实现对文本消极情感和文本积极情感的识别。并基于Django框架开发网页平台实现对用户的可视化操作和数据存储。
20 0
文本情感识别分析系统Python+SVM分类算法+机器学习人工智能+计算机毕业设计
|
2月前
|
机器学习/深度学习 人工智能 前端开发
【人工智能】利用TensorFlow.js在浏览器中实现一个基本的情感分析系统
使用TensorFlow.js在浏览器中进行情感分析是一个非常实用的应用场景。TensorFlow.js 是一个用于在JavaScript环境中训练和部署机器学习模型的库,使得开发者能够在客户端直接运行复杂的机器学习任务。对于情感分析,我们可以使用预先训练好的模型来识别文本中的积极、消极或中性情感。
62 4
【人工智能】利用TensorFlow.js在浏览器中实现一个基本的情感分析系统
|
2月前
|
传感器 人工智能 文字识别
OrangePi AIpro 机器人仿真与人工智能应用测评(下)
OrangePi AIpro 机器人仿真与人工智能应用测评(下)
59 11
|
2月前
|
人工智能 Ubuntu 机器人
OrangePi AIpro 机器人仿真与人工智能应用测评(上)
OrangePi AIpro 机器人仿真与人工智能应用测评
51 8