人類は、人工知能の分野で爆発的な進歩を遂げており、テクノロジーの未知への拡張のほぼすべての段階が驚くべき注目を集めています。
人工知能の境界を拡大する過程で、重要なトラックの技術的ルートには革新と意見の相違が共存します。テクノロジーの先駆者の判断と選択は、多くの追随者の足跡に影響を与えます。
過去1年間、当ウェブサイトは独占的にDark Side of the Moon、Shengshu Technology、Aishi Technology、Wuwen Core Domeなどの優良企業を皆様に紹介することに専念し、最初の「10,000字のインタビュースクリプト」を残しました。 「インターネットの世界では。」テクノロジーのルートがまだ収束していない段階で、真に信念、勇気、体系的な認識力を備えた AI 起業家のリーダーシップが見られます。
そこで、私たちは「AI Pioneers」コラムを立ち上げ、AGI時代の人工知能のさまざまな分野でリーダーシップの資質を持つ起業家を発掘して記録し続け、AI分野で最も優れた潜在力の高いスタートアップを紹介したいと考えました。 AI 分野における最先端かつ独特の知識の成果を追跡し、共有します。 
著者: Jiang Jingling
若い天才学者が現在のAGI創設者の主流の背景の1つになったにもかかわらず、2000年生まれのYang Fengyuは依然として驚くほど若い。 ミシガン大学のコンピューターサイエンスの学部生であり、イェール大学のコンピューターサイエンスの博士課程の学生でもあるヤン・フェンユーは、まだ23歳で、昨年、自身の身体化されたインテリジェントロボットのビジネスを始めました。 
2024年、彼が設立したUniX AIを具現化したインテリジェンス企業は、5か月以内に車輪付きの人型ロボットの開発と製造を完了し、このロボットは「食後の掃除」や「洗濯」などの機能を備え、量産と外販が開始される。 9月中。 身体化された知的ロボットの多くはまだ研究室段階にありますが、これは非常に早い商品化のスピードです。 蘇州にあるUniX AIのロボット量産工場は2,500平方メートルを超えました。 
昨年はほとんど誰も名前を聞いたことのなかったこの会社は、半年以内にロボット業界で多くの上級技術人材を採用しました。 「サービスロボットのトップの研究開発ディレクターがシャーシの製作を手伝ってくれています。また、ヒューマノイドロボット会社の優秀な人材も何人かいて、私たちのハードウェアを担当しています。」 2024 年 7 月、上海交通大学の著名なロボット工学の専門家である王和生教授が、首席研究員として UniX AI に正式に加わると発表しました。 UniX AI によって公開された最初のテクノロジー デモンストレーション ビデオでは、Wanda という名前の車輪付きの人型ロボットが、豆腐をつかんだり、衣類の仕分けを手伝ったり、洗濯のために衣類を洗濯機に持っていくなどのタスクを完了できます。 UniX AI は、現在、身体化されたインテリジェンス企業が解決するのが難しい「柔軟なタスク」問題の解決策を見つけたようです。 
「若いことは何も悪いことではないと思います。技術的な観点から見ると、多くの新しい技術や製品は、2000 年以降の世代として、高い学歴を持つ若者によって生み出されています。」 , ヤン・フェンユー自身も、会話の中で年齢を超えた成熟さを示しており、企業経営と身体化された知性の技術段階について非常に明確に理解しています。 UniX AI に関する私たちの興味は、ベンチャーキャピタル界ではほとんどニュースのない身体化インテリジェンス企業が、2000 年代以降の世代の身体化インテリジェンス企業によって設立された数少ない企業の 1 つとして、どのようにしてこれほど速い開発スピードを達成できるかに焦点を当てています。 UniX AIはどうやって0から1の開発を実現するのか？ UniX AI の身体化されたインテリジェンスの最終ロードマップはどのようなものになるでしょうか? これらの質問をもとに、このウェブサイトはヤン・フェンユー氏がビジネスを始めて以来初の公開メディア対話を開始しました。
2000年代以降のエール大学 身体化されたインテリジェント・アントレプレナーシップに参加
Yang Fengyu: 私は学部生としてエール大学に直接通い、博士課程卒業に必要な論文要件をすべて満たしていました。たとえば、今年を例に挙げると、CVPR 論文を 4 つ受賞しました。その他にも、他にもたくさんあります。人工知能とロボット工学に関するトップカンファレンスの論文合計 10 件。 このサイト: あなたのエネルギーはとても強いです。 ヤン・フェンユー：（笑い）、私はよく朝の3時半まで起きていて、少し前には糖尿病の注射をしに行ったこともあります。一番の理由は、チームが一緒にいて、時計を見ないことが多いからです。目が覚めると、すでにかなり遅い時間になっています。 このサイト: 初めて起業しようと思ったのはいつですか? ヤン・フェンユー: 私は起業家精神とは「適切な時期、適切な場所、適切な人々」であると常に信じてきました。 昨年、視覚、言語モデル、触覚などのマルチモーダルモデルを含むいくつかの大きなモデルやベースモデルが、知覚レベルで大きな進歩を遂げたことがわかりました。目標を達成すること。さらに、この国は起業家精神に良い環境を提供する一連の支援政策も打ち出しました。 今は「適切な時期」です。 「立地が悪い」:中国がサプライチェーンで比類のない優位性を持ち、長江デルタのハイテク技術が新エネルギー車に続く次の発展方向であることは疑いの余地がない。才能もたくさんあります。 最初に、ロボット産業のエンジニアリングレベルがどの段階に進んでいるのか、市場の需要はどこにあるのか、前世代のロボットはどのような問題を解決し、その将来はどこにあるのかを調べるためにいくつかの調査を行いました。チャンス？
成功の鍵は、適切な人を見つけることです。今年、私たちは正式にチームを結成し、頭部装着型掃除ロボットの研究開発ディレクターやハードウェアを担当する頭部型ヒューマノイドロボット会社の優秀な人材など、さまざまな分野の専門家を迅速に集めました。アルゴリズムレベルでは、同級生や先輩も含めてアメリカやヨーロッパから人材を集めてきました
創業者兼 CEO として最も重要なことは、リソースを収集することです。
UniX AI は、世界中のさまざまな国のロボット ソフトウェア、ハードウェア、サプライ チェーンの利点を組み合わせたグローバル企業です 同時に、1 年、3 年の継続的な取り組みを通じて国際的な計画を立てています。 、および 5 か年計画を実行し、Robots For All という会社のビジョンを実現します。Yang Fengyu: 私は小学校から高校まで中国で過ごし、学部の学位取得のためにミシガン大学でコンピューターサイエンスを専攻しました。 。最初は視覚と機械学習に触れ、その後、恩師の「マルチモーダル学習」の影響で視覚と触覚の研究を始めました。 学部時代にロボットの視覚と触覚に関する論文を5本発表しましたその中で、「Touch and Go: Learning from Human-Collected Vision and Touch」は世界最大の視覚と触覚センシングデータセットであり、 は人工知能によって使用されており、機械学習分野のトップカンファレンスであるNuerIPSによって承認されました。 別の研究では、視覚と触覚の間の相互変換を完了するために拡散モデルを初めて導入し、その結果はICCVに受け入れられました。 ロボットにとって、タッチは非常に重要です。衣服がポリエステルなのか、綿なのか、シルクなのかを肉眼で見分けるのは難しいですが、実際に触ってみるとその質感の違いが分かります。さらに、充電ケーブルを充電ポートに挿入するなどの一部の繊細な作業では、触覚による継続的な調整も必要であり、視覚だけでは完了できません。 このサイト: そして、あなたはエール大学に来ました。 Yang Fengyu: ロボットの視覚と触覚の側面、特に視覚と触覚の変換と大規模な言語モデルでのそれらの一般化に関するいくつかの研究のおかげで、私は北米の優秀な学部科学者の称号を獲得しました。コンピュータ協会、学校史上初の一人称。最後に、彼は博士課程の研究のためにエール大学を選びました。 この間、私は「Binding touch to everything: Learning Integrated multimodal tactilepresentations」(CVPR, 2024, pp.26340-26353) などの論文を次々と発表し、この論文では UniTouch を提案しました。複数の異なる触覚センサーに適した世界初の大型触覚モデルは、視覚、音声、音響などの複数のモダリティに接続された視覚ベースの触覚センサーに適しています。 別の論文「Tactile-Augmented Radiance Fields」(CVPR、2024、pp.26529-26539) は、UniX の一般化機能をシーンレベルで一般化できる世界初の 3D 視覚および触覚モデル TARF を確立しました。 AI人型ロボットもこのモデルに基づいています。 
このサイト: 2000年以降に生まれたことはあなたにとって有利だと思いますか、それとも不利だと思いますか? ヤン・フェンユー: 新興企業においては、創業者は魂です。 私はとても若いと思われている人が多いですが、2000年代生まれでも問題ないと思います。
技術的な観点から見ると、この技術変化の波を歓迎し、イノベーションを追跡する上で、若者は非常に強力な推進役を担っています。 多くの新しいテクノロジーや製品は、特に参入障壁が比較的高いハイテク産業において、今日の若者によって生み出されています。 Sora のコアチームのメンバーの 1 人は私の同級生でもあり、彼はミシガン大学時代に高い技術力を発揮しました。 認知的および経験的レベルから見ると、素早く学び、間違いを素早く修正することも道だと思います。もう一つは、粘り強さ、粘り強さ、何事にも手を抜かず、「山に遭えば道を切り開き、水に遭えば橋を架ける」という精神を持った人柄です。 。 もちろん、UniX AI チームには構造やエレクトロニクスなどの分野で豊富な経験を持った経験豊富な専門家が多数います。私たちの製品を短期間でリリースできるのは、私たちの効果的な協力があってこそです。
視覚と触覚＋操作ロボットの汎化能力を向上させる
当サイト：なぜロボットにとって触覚の向上が重要なのか？ ヤン・フェンユー: 人間は多感覚を持つ動物であり、通常、行動の決定は複数の感覚から伝達される情報の複合的な影響によって決まります。理論的には、知能ロボットにも同じことが当てはまります。 タップは、視覚的なフィードバックと比較して、ロボットが環境とインタラクションした後に生成される最も重要な感覚情報の 1 つです。 基本的に、ロボットがオブジェクトを掴むと、このインタラクションが発生した後、ロボットがどのように感じるかという増分情報が得られます。 触覚情報を持つことで、ロボットはより複雑で繊細なタスクをより適切に実行できるようになり、把握タスクの成功率が大幅に向上します 特に柔軟な物体の把握において、タッチの役割がより明白になります。これは、基本的にタスクを完了することが不可能な状態から、タスクを完了できる状態への質的な改善であると言えます。 例えば、車輪付きの人型ロボット Wanda は、卵をつまむ、豆腐をつかむ、衣服を洗うなどのタスクを実行しますが、フィードバックがなければ、ロボットがそれを実行することは困難です。 
なぜ現在ロボットが主に視覚に頼って判断を行っているのかというと、視覚データは他のデータと比べて最も直接的で、取得や訓練が容易で、利用可能なデータが大量にあるからです。しかし、ロボットが具現化に向けてさらに進む場合、視覚だけに頼るだけでは明らかに十分ではありません。 インタラクションに依存する一種の感覚情報として、触覚情報を合理的に使用できることの重要性は、ロボットが世界との実際のインタラクションから徐々に学習し、より使いやすく一般化できることです。 本サイト：なぜ触覚を付加するとロボットの柔軟な物体の制御レベルが向上するのか その原理は何ですか？ ヤン・フェンユー: 主な原則は、柔軟な物体と硬い物体を掴んで操作することには大きな違いがあるということです。剛体の物体は基本的に触れる前後で物理的な形状が変化しないため、目視で把握する場合は比較的容易に判断できます。しかし、柔軟な物体を掴んだり操作したりする前に、観察によって何が起こるかを判断することは困難です。なぜなら、掴む過程で多くの咬合や変形が発生し、これらの変形を視覚的に正確に予測することが難しいからです。 。 例えばティッシュを持つ場合、一度ティッシュを手に持つと視線が完全に遮られてしまい、掴み方や操作方法を判断するのに有効な情報が視覚からはほとんど得られません。この場合、知覚を完了するには触覚などの物理的情報にのみ依存する必要があります。 このサイト: ほとんどの場合、物体を掴もうとする必要はなく、掴む方法を知っているだけであるように見えるのはなぜですか。 ヤン・フェンユー: それは、人間として、あなたは触覚情報を使用していることに気づかないほどうまく統合されているからです。あなたは 20 年以上の触覚データを蓄積してきたので、どの感覚がこの作業を完了するのに役立ったかはわかりません。 このサイト: ほとんどのロボットタスクでは、さまざまな感覚の寄与率の違いは何ですか?この段階でのタッチの優先度はどれくらいでしょうか？ Yang Fengyu: ほとんどのロボットタスクでは、知覚、推論、意思決定、行動の 3 つのステップにおけるさまざまな感覚の寄与率が異なります。 初期段階の知覚レベルでは、私たちは主に視覚と点群に頼って、家全体の配置や水がどこにあるのかなど、グローバルな情報を取得していました。現在、大規模なビジュアルモデルと 3D の大規模モデルを通じてグローバル情報を認識するという問題は基本的に解決されています。 意思決定レベルでは、人間の事前知識を導入するために言語が主に頼りになります。 たとえば、冷蔵庫から水を取り出すという指示を受け取った後、ロボットはタスクを分解し、冷蔵庫を開ける最初のステップ、水を取り出す2番目のステップ、冷蔵庫を閉める3番目のステップを知ることができます。知識は大量のインターネット データから得られます。 アクションレベルでは、視覚はロボットが握る位置を決定するのに役立ちますが、しかし、握る強さを決定する際には、触覚情報が重要な役割を果たします。例えば、豆腐を握るときのように咬み合わせがある場合、視覚だけで正確に掴み方を判断することは難しいが、触覚はロボットが正確に掴むための重要な情報を提供することができる。 また、卵をつまむ、豆腐を掴むなど、細かな力の制御が必要なシーンや、物体の変形の判断や力のフィードバックが必要なシーンでもタッチは重要な役割を果たします。 
一般に、さまざまな感覚の寄与率はタスクに応じて異なります。 一部の硬い物体の把握では視覚がより大きな割合を占める場合がありますが、多くの柔軟な物体の把握では触覚の役割がより重要です。基本的にタスクを完了できない状態から、タスクを完了できる状態になったということは、質的な向上であると言えます。 このサイト: 触れるのに十分なほど高い障壁はありますか?それをロボット製品に実装する際の難しさは何ですか? ヤン・フェンユー: 2023 年以前は、タッチは常に非常にニッチなモダリティであり、タッチ関連の仕事に従事している人は非常に少ないと思います。 触覚関連の研究の初期の頃、センサーが最大の問題でした。当時は世界的にデータ関連の仕事に携わる人が少なく、センサーをどう作るかが重要な課題でした。 次に、触覚情報をどのように解析するかという問題があり、これにはアルゴリズムとデータの両方のレベルが関係します。 データレベルでは、世界中の触覚センシングの具体的なデータのほとんどはこれまで公開されていませんでした これは、多くのロボットの組み合わせの特殊性またはその他の理由によるものと考えられ、現場でのデータ公開が必要になります。ロボット工学の可能性は視野内にあるものよりも少ない。したがって、私たちはデータセットの問題を解決し続け、世界中で触覚センシングデータセットの継続的な公開を促進することに取り組んでいます。 アルゴリズムレベルでは、触覚と視覚の間には違いがあり、これには物理学の事前知識が多く含まれます。 たとえば、力の状況はセンサー上のマーカーを通じて判断できますが、この情報は視覚的な情報ほど解釈および識別するのが簡単ではありません。 その際に実験も行われ、その結果、生成された触覚信号は人間にとって非常に識別しにくいことが分かりました。なぜなら、特別な訓練を受けずに、人間がそれぞれの物の触覚信号を区別するのは難しいからです。私たちはまた、触覚分野全体の発展と進歩を促進するために、この障壁を低くし、学術コミュニティのより多くの人々の参加を促進するために積極的に取り組んでいます。 このサイト: 触覚情報が既存のデータの量が少ないという問題だけでなく、大規模な収集のコストが高いという問題にも直面している場合、どうやってスケールアップするのでしょうか? Yang Fengyu: 私たちが以前に行った作業は、実際にはこの問題、つまり大規模な収集の達成が難しい場合にスケールアップする方法を解決しようとするものでした: 最初のステップは、ビジョンを結合することです。触覚を取得し、視覚を通じて触覚を予測し、さらには視覚情報と言語情報を使用して、触覚収集のないシーンで触覚信号を推測します。 例えば、新しい家庭やオフィスのシーンで、同じ種類や素材のテーブルの触覚情報を収集すると、実際に新しいテーブルに触れていなくても、視覚と視覚を通じてその触覚信号を推測することができます。口頭情報。このようにして、実際の物理的接触がなくても、利用可能なデータセットを拡張できます。ただし、この方法は予測されるため、実際の信号とは多少異なる場合があります。
第二に、私たちは触覚データセットの開示を促進し続けます。 データセットを公開することで、より多くの人が触覚分野の研究開発に参加できるようになり、分野全体の進歩が促進されます。 第三に、アルゴリズムレベルで、触覚情報認識の閾値を下げるよう努めます。 たとえば、センサーにマーカーを追加し、さまざまな力を受けたときにマーカーがどのように変化するかを発見することで、これらの物理学の事前知識を使用して、触覚情報をより適切に解析できます。 第四に、私たちは、視覚、触覚、言語、その他のマルチモーダル情報などのさまざまな情報を組み合わせて、さまざまなタスクを完了することに取り組んでいます。 マルチモーダル情報の融合により、少量の触覚データの不足をある程度補うことができ、モデルの一般化能力と適応性を向上させることができます。 
当サイト：大量回収は可能ですか？また、必要な条件は何ですか？ ヤン・フェンユー: これが身体化知能の開発全体のボトルネックだと個人的には考えていますが、ここには商業化のプロセスがあります。 ロボットが数千世帯に導入されると、ある程度の数があれば、より多くのシナリオをサポートし、いくつかの一般化を行うのに十分なデータを収集できます。もちろん、すべてのポイントを永久に捉えることはできないため、「規模が大きい」という命題は常に存在します。機械学習の本質は、疎なサンプリングを通じてシミュレーションのフィッティングと密な分布の予測を実現することです。 データに関しては、シミュレーションを排除するものではありませんが、身体化された知能を実現するには、ある程度の実機データが必要条件だと思います。 当サイト：触覚大型モデルの主要テクニカル指標は何ですか？ Yang Fengyu: 他の大型モデルと同様に、触覚大型モデルにはさまざまな下流タスクにいくつかのインジケーターがあります。私はチームを率いて、既存の世界最大の視覚および触覚データセットである Touch and Go を構築しました。これは、世界中のロボット視覚および触覚事前トレーニング モデルの重要な共通ベンチマークの 1 つです。
具現化知能ロボットワンダ9月量産開始
このサイト: 起業を決めたら、どんな具現化知能会社を作りたいですか？ ヤン・フェンユー: 起業家の本質は、社会に価値を生み出すことです。 UniX AI は、C サイドを最初の戦略として設定する、世界で数少ない具体化されたインテリジェント ロボット企業の 1 つです。 TO C 道のりは長いですが、その背後にある可能性は非常に大きいです。産業の観点から見ると、人型ロボットはハードウェア＋AIの技術統合の時代を迎え、急速に発展し実用化が進んでいます。そして私は、この統合プロセスは業界関係者が当初予想していたよりもはるかに速くなると楽観的です。 高齢化、少子化、労働力不足…これらは世界が直面している問題です。企業の責任は社会の課題を解決すること、これがUniX AIのチャンスであり価値であり、私の起業の原点でもあります。このトラックの現在の大まかな着地点は、基本的に産業、商業、家庭です。これは、TO C ユーザーにサービスを提供するための主なシナリオでもあります。 UniX AI のビジョンは、Robots For All であり、運動能力と知性の点で優れており、肉体労働と知的な仲間関係を可能にする万能の人型ロボットを作成することです。 このサイト: そもそもなぜ家族のシーンを撮ろうと思ったのですか? ヤン・フェンユー: 実際、私たちは家族のシーンに限定されず、オフィスなどの汎商業的なシーンも行っています。 To B シナリオは技術的には比較的難しくなく、反復率が高く、一般化に対するそれほど高い要件はありません。ただし、To B シナリオには強力な置換ロジックが含まれることが多く、ロボットの速度と操作精度に非常に高い要件が課されます。 家族の場面は複雑で常に変化しており、どの家庭も小さなエコシステムであるため、ロボットには強力な汎化能力が必要です。これにより、当然ながら当社の製品に対する要求も高まります。同時に、家庭用シナリオにおける多くの L2 レベルの機能も備え、複雑なシナリオにおける製品の適応性とプレイアビリティがさらに向上します。
一般に、当社のテクノロジースタックは To B と To C の両方をカバーできます。家族のシーンがうまくできると、他のシーンも楽にこなせる気がします。最も硬い骨から始めることは、UniX AI の技術的な強みを反映するだけでなく、市場に参入するための戦略的な道筋も表しています。
楊豐瑜：我們對所有場景都不排斥，UniX AI的模組化硬體方案相對來說可以適配很多不同的場景。同時，我們有一套感知和操作解耦的運動基元演算法可以最大程度地利用數據，我們對場景的遷移性會非常強。雖然每一款產品都有其邊界，我們願意在各種場景中進行嘗試和擴展。我們也跑通一些重要的商業場景，幫助到消費者。 楊豐瑜：我們團隊中有一群經驗豐富的供應鏈管理專家，他們掌握量產級的成本控制方法，並能將其應用到機器人供應鏈中。雖然機器人產業目前尚未大規模捲價格，但我們從一開始就按照量產級來控製成本，以確保產品能達到消費者可接受的價格。我們有信心透過有效的成本控制，使產品在價格上具有極強競爭力，為公司發展提供強力支持。 楊豐瑜：這個現在我不是很方便披露，但我可以保證，一定是一個很驚喜的價格。 楊豐瑜：我們走向終局的邏輯很簡單，需要一定量的高品質真實數據。關鍵就在於如何取得這些數據，例如拿自動駕駛舉例，特斯拉的FSD能夠走到終局，是因為花了6到8年時間，不斷有車子在路上跑並收集數據。 機器人產業有所不同，大家期望機器人能夠自動乾點事兒。我們先發展出若干單點場景的功能，讓大家覺得機器人有用或好玩，而且在消費能力承受範圍內，這樣大家才會願意購買。 我們的供應鏈有優勢，能把價格降下來，這是很關鍵的一點。 透過使用者不斷的回饋，我們不斷優化迭代產品，最終打造出通用的具身智慧機器人。 
楊豐瑜：做DEMO其實很容易，只要在實驗室做出來一台，就是成功。量產的難度，在於不是一台，而是一百台、一千台真正進入到用戶家中，考驗產品的資料安全性、操作穩定性、底層控制可靠性，背後需要強大的售後團隊和不斷迭代的技術團隊。另外製程也很重要，這也是考驗量產能力的重要指標。 它的意義當然毋庸置疑，一方面體現出供應鏈的競爭力，一方面展現了技術的成熟度。誰是第一個吃螃蟹的人？誰又吃得又快又好？另外，量產可以得到一定的先發優勢。 本站：決定創業以後，初始團隊建構思路和團隊組成情況目前大概是怎麼樣的？ 楊豐瑜：從0-1，新創團隊很重要。我做事習慣先有頂層規劃，再慢慢部署到每個層級，像瀑布流一樣，從上往下。先找到最核心的關鍵人，幹起來之後，再向下延伸不斷完善團隊，讓整個輪子轉起來。 從去年年底到現在，我們的團隊發展非常快，已經迭代了三代產品。目前團隊規模已經初具規模，但後期我們還會根據需要，不斷調整和完善，讓公司的競爭力愈來愈強。 獲取人才這件事，是新創公司最重要的事情之一，我們公司大部分的人才我都親自看過面過。 很多時候，CEO不僅是首席執行官，更是“首席意義官”，需要跟同行者解釋我們所做的事情，它的價值和意義在哪裡。 讓他們認同，一起上路，這點非常重要。 同時，這個階段我的管理半徑很大，管理的顆粒度也很細，非常辛苦但很有必要。只有當自己全盤掌握，確認公司前進方向正確和穩定之後，才能花更多時間在別的方面。 楊豐瑜：本質上吸引大家的，還是如何走向具身智能終局這個路徑，除此之外是怎麼做的問題。 我們有幾個亮點，第一有非常強的供應鏈成本優勢，其次我們團隊的執行力很強，迭代速度非常快，很多候選人可能第一次知道我們時，覺得我們不過爾爾，但幾週後再來，發現場景已經跑通了，進展很快。我們也有一些國內頂尖機器人公司的人才，主動要求加入。 楊豐瑜：目前投資人反饋非常踴躍，歡迎和我們有共同通用具身智能願景的投資人，和我們長期走下去。 本站：再詳細介紹一下你們即將推出的產品，以及未來的市場計畫？ 楊豐瑜：我們即將量產的機器人叫Wanda，是一款輪式人形雙臂機器人。在我們發布的首支技術影片中，大家可以看到它的一些功能特點，但這不是全部，等到九月份我們面向消費者公開發售的時候，會有更多驚喜細節。 最終，UniX AI希望交付給消費者的產品，是一款通用的具身智慧機器人，不僅服務於家庭，更可以陪伴人們去往更多更遠的地方，提供更多的功能，這需要我們在技術上不斷發展，也需要公司和用戶之間的協同共創。不積跬步無以至千里，那我們先從第一步開始。 
（唐霖濤｜王長虎｜夏立雪 | 高繼揚｜Demi Guo｜李岩 以上が2000 年以降 CEO ヤン・フェンユー: イェール大学の医師が起業するために中国に戻り、初の「量産型」人型ロボットを 5 か月で構築 AI パイオニアの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
![[Web フロントエンド] Node.js クイック スタート](https://img.php.cn/upload/course/000/000/067/662b5d34ba7c0227.png)
