Qiongche智能Lucewu：从刮擦黄瓜到冰淇淋球，人形机

[全球网络技术报告的记者Li Wenyao]“为什么要选择机器人来刮擦冰淇淋球？因为它代表了机器人操作中的最终困难。” Qiongche Intelligence的创始人Lu Cewu面对记者对现场实施的问题，他说，当机器人使用一勺冰淇淋时，它肯定是机器人领域中最困难的“正在进行的互动操作”。在接受2025年世界机器人会议的采访中，这一开始不到两年前就领先于人类机器人技术，这展示了外界是其技术路线的基本逻辑。在Lu Cewu的角度来看，机器人操作可以分为两类：一个是通常的“静态僵局操作”，例如癫痫发作，并且对象的状态是固定的，例如“单锤购买和沸腾”；其他的是“连续的操作”，例如剃须，剃须，擦拭桌子和食物过程。需要更新机器以调整强度在毫秒中的应用方向和强度。 “遭受冰淇淋球的持续接触需要30至40厘米。在此过程中，冰淇淋状态和工具每秒会更改数千次。计算节点崩溃时，错误会像雪球一样积累。” Lu Cewu以球队的最新成功为例。当传统的解决方案仍然依靠预设轨迹时，Qiongche Intelligent可以通过VLA开发的VLA架构实时感觉压力和切向力，从而超出了范式限制轨迹。这项称为行业的“感觉学习”的技术在食品加工领域取得了成功。例如，当使用机器人处理鲑鱼时，您需要在去除鳞片时感觉到鱼皮的弹性，并在切割时防止软骨阻力。每个交流tion是对继续接触能力的激烈测试。 “但是，并非所有场景都需要能够拥有硬件。就像我们显示的DE电器机器人一样，成本足够低，但可以覆盖大多数家务劳动。” Lu Cewu强调，实施家庭情景的关键在于与人类期望的技术能力相匹配。他认为：“这是一个渐进的过程，但是服装和基本清洁的功能已准备就绪。”关于为该行业提供资金的困难而言，“少的钱意味着您不能同时核实许多技术路线，并且应该以科学的愿景做出决定。” Lu Cewu承认，这些业务领导者具有领先的技术判断 - 因为Qiongche选择了一个通用模型，而不是垂直行业的模型。他认为：“我们需要使用通用模型作为基础并适应特定行业，以降低进入现场的成本。” “我们选择通往MO基础的总体方法del。随着大学生的培养，他们很快就很快学习医学和工程。在Lu Cewu的计划中，可以与低成本行业的数据结合使用，然后接受培训以最大化商业化速度。面对中国与美国之间的技术路线的差异，Lu Cewu的面临差异，lu Cewu认为“专门为Algorithm或Engineering Ongrains of Flass offershable as and Flase offershers，都可以使用差异。双方在AI的才华储备中都有自己的优势。最终的竞争是系统集成功能。”他宣布，使用大型模型（LLM）语言（LLM）实现了机器人模型骨干网络的骨干网络，并重建了主要模块，例如研究加强和环境接触。