俄罗斯人形机器人来了,未来或将成为人类行动的替代品

简介:

俄罗斯开发人形机器人,可以由人类通过意念控制完成动作,复制人类动作,成为人类的行动替代品。

与美国一样,在战争以及军事装备上俄罗斯也是属于激进派,为了保持先进的军事水平,俄罗斯致力于打造最前沿的军用品,其中就包括机器人

俄罗斯近日研发了一款军用类人机器人,这款机器人可以受人类的意念控制来完成动作,人类做什么动作机器人就可以复制完成什么样的动作。从相关的视频就可以看出,这款机器人可以模仿人类进行金属的焊接以及捏扁易拉罐等动作。俄罗斯的副总理罗戈津表示,这款机器人不仅仅可以用于军队,未来在空间站等地方也可以发挥重要的作用,也许可以完成太空行走、修复等工作。

不少人会将这款机器人和此前美国研发的Atlas机器人进行对比,Atlas机器人具备很强的行走能力,它还可以像人类一样抓取东西。但是俄罗斯的替身机器人和Atlas是两个类别的,例如在战场上,Atlas将接受人类给出的指令进行行动,而替身机器人则是人类的行动替代品,完全跟从人类的动作。

此前俄罗斯也推出了多款机器人,不过大部分属于履带式机器人,包括“阿凡达”机器人、以及2014年在加里宁格勒州举行的军演的平台-M(Platforma-M)和2015年初因普京参观俄罗斯中央科研精密机械设备建设研究所而曝光的能骑摩托车的人形作战机器人。

不过无论是何种机器人,对于美国和俄罗斯来说,最终都将投入军事战场使用。


原文发布时间: 2016-02-20 15:55
本文作者: 叮叮
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
机器学习/深度学习 人工智能 机器人
人死能复生:俄罗斯程序员将死去的好友“复活”为聊天机器人
要跟我们爱的人告别是很痛苦的,尤其是当他们突然离世的时候。但是多亏如今有了快速发展的人工智能技术,很快你可能就不需要和他们永别了。好吧,至少咱们可以说不需要完全真正地永别。这儿就有个例子:Eugenia Kuyda是俄罗斯一个人工智能初创公司 Luka Inc 的创始人之一,最近她将她去世的好友以智能聊天机器人的形式召唤回了人间。
493 0
人死能复生:俄罗斯程序员将死去的好友“复活”为聊天机器人
|
人工智能 自然语言处理 机器人
9.9K star!大模型原生即时通信机器人平台,这个开源项目让AI对话更智能!
"😎高稳定、🧩支持插件、🦄多模态 - 大模型原生即时通信机器人平台"
521 0
|
10月前
|
数据采集 自动驾驶 机器人
数据喂得好,机器人才能学得快:大数据对智能机器人训练的真正影响
数据喂得好,机器人才能学得快:大数据对智能机器人训练的真正影响
1038 1
|
弹性计算 自然语言处理 Ubuntu
从0开始在阿里云上搭建基于通义千问的钉钉智能问答机器人
本文描述在阿里云上从0开始构建一个LLM智能问答钉钉机器人。LLM直接调用了阿里云百炼平台提供的调用服务。
1032 4
从0开始在阿里云上搭建基于通义千问的钉钉智能问答机器人
|
机器人
陌陌自动回复消息脚本,陌陌自动打招呼回复机器人插件,自动聊天智能版
这是一款为陌陌用户设计的自动回复软件,旨在解决用户无法及时回复消息的问题,提高成交率和有效粉丝数。软件通过自动化操作实现消息检测与回复功能
|
机器学习/深度学习 人工智能 自然语言处理
TsingtaoAI具身智能机器人开发套件及实训方案
该产品套件创新性地融合了先进大模型技术、深度相机与多轴协作机械臂技术,构建了一个功能强大、灵活易用的人机协作解决方案。其核心在于将智能决策、精准感知与高效执行完美结合,为高校实训领域的发展注入新动力。
1298 10
|
人工智能 自然语言处理 算法
具身智能高校实训解决方案 ----从AI大模型+机器人到通用具身智能
在具身智能的发展历程中,AI 大模型的出现成为了关键的推动力量。高校作为培养未来科技人才的摇篮,需要紧跟这一前沿趋势,开展具身智能实训课程。通过将 AI 大模型与具备 3D 视觉的机器人相结合,为学生搭建一个实践平台。
2116 64
|
人工智能 机器人 API
AppFlow:无代码部署Dify作为钉钉智能机器人
本文介绍如何通过计算巢AppFlow完成Dify的无代码部署,并将其配置到钉钉中作为智能机器人使用。首先,在钉钉开放平台创建应用,获取Client ID和Client Secret。接着,创建消息卡片模板并授予应用发送权限。然后,使用AppFlow模板创建连接流,配置Dify鉴权凭证及钉钉连接凭证,完成连接流的发布。最后,在钉钉应用中配置机器人,发布应用版本,实现与Dify应用的对话功能。
3301 7
AppFlow:无代码部署Dify作为钉钉智能机器人
|
人工智能 自然语言处理 算法
基于DeepSeek的具身智能高校实训解决方案——从DeepSeek+机器人到通用具身智能
本实训方案围绕「多模态输入 -> 感知与理解 -> 行动执行 -> 反馈学习」的闭环过程展开。通过多模态数据的融合(包括听觉、视觉、触觉等),并结合DeepSeek模型和深度学习算法,方案实现了对自然语言指令的理解、物体识别和抓取、路径规划以及任务执行的完整流程。
2006 12

热门文章

最新文章