登录社区云,与社区用户共同成长
邀请您加入社区
作为驱动AI应用的技术基石,不论是要快速上市兑现性能价值,还是要深度设计配置,从高端智能手机、PC到新兴AI智能设备,Arm总能帮助厂商找到峰值性能、持续能效与芯片面积之间的灵活平衡“甜点”。今天,从安卓到苹果生态,端侧AI的快速发展需要更多底层技术创新的支撑,AI应用体验仍有较大提升空间,Arm Lumex的发布,给行业提供了一套扎实的计算平台基础,让厂商和开发者们面对AI这场硬仗有更充足的弹药
NVIDIA TAO 6和DeepStream 8共同构建了端到端的实时视觉检测解决方案。TAO 6支持自监督学习和知识蒸馏技术,可显著提升模型精度(如PCB缺陷检测精度提升4.7%),同时通过模型压缩减少81%的大小。DeepStream 8新增的Inference Builder工具简化了生产部署流程。该方案有效解决了定制模型开发、边缘设备优化和实时部署三大挑战,为制造业质量检测提供了高效AI
中国AI应用市场的崛起,离不开聊天机器人、教育学习和视频创作三大领域的强劲驱动。这些技术的发展不仅改变了人们的生活和工作方式,也为各行各业带来了新的发展机遇。未来,随着技术的不断进步和应用的深入拓展,AI将在更多领域展现出巨大的潜力和价值。作为技术从业者,我们应积极拥抱这些变化,不断学习和探索,共同推动AI技术的创新与发展。# AI应用市场崛起:聊天机器人、教育学习、视频创作三驾马车驱动创新中国A
谷歌近日公开旗下乒乓球机器人项目 i-Sim2Real,和人类对战时能够连续接球340次!要知道,让解说员激动到破音的「乒乓球史上最疯狂一球」,曾被《赫芬顿邮报》盛赞为“展现人类坚韧精神的绝佳例子”的“超级对拉”——许昕和朱霖峰超级对拉名场面也就止步于 42 板。之所以选择乒乓球则是因为在乒乓球比赛中,首要的就是速度和精度,这对学习算法提出了很高的要求。同时,这项运动具有高度结构化(具有固定的、可
当某品牌机器人因“迷路”撞上隔离栏、另一款机型“五体投地式摔倒”的视频登上热搜时,网友戏称这是“年度最硬核搞笑现场”。当网友为机器人的“笨拙”表现捧腹时,开发者看到的是:跌倒数据优化了防摔算法、跑偏视频训练出更鲁棒的导航模型。• 开发者陷阱:多数团队栽在“静态平衡算法直接套用动态场景”,导致转弯时惯性失控(如某参赛机型因未预判离心力而侧翻)• 算法框架:拥抱ROS 3.0的具身智能扩展包(标准化趋
大模型工作流程与优化策略解析 本文系统介绍了大模型的工作机制和优化方法。核心流程包括:输入文本分词化、向量化、推理循环生成输出,通过temperature、top_p等参数控制生成内容的随机性。重点阐述了RAG(检索增强生成)技术在扩展知识库中的应用,包括文档解析、切片、向量化存储和检索生成三阶段优化策略。针对多轮对话场景,提出了基于历史对话改写query的解决方案。文章还详细分析了提示词工程优化
具身导航在近年来取得了显著进展,但在真实世界适用性、多智能体协作、生物启发神经架构以及安全和隐私等方面仍面临挑战。这些挑战需要进一步的研究来解决,以推动该领域的发展。
我们提出了一种基于深度学习的LiDAR SLAM框架,称为DeepPointMap(DPM)。该框架包括两个神经网络:DPM编码器和DPM解码器。与其他神经描述符方法不同的是,DPM描述符可以统一地用于SLAM任务的多个子任务,具有出色的定位精度、内存效率、地图保真度和实时处理能力。DeepPointMap在定位精度、地图重建质量和内存消耗方面取得了新的最优结果。此外,该框架还在多智能体协作SLA
MMCNav通过多智能体协作,有效地解决了户外视觉语言导航任务中的复杂挑战!
前有顶尖多智能体协作平台 Manus 爆火,但抢不到邀请码、任务排长队、敏感数据需传境外,让许多老板望而却步。现在,我们有了更香的国产选择:AiPy!它是一款由北京知道创宇推出的全能 Agent,深度融合大模型(LLM)与 Python 编程能力,实现任务规划、代码生成、本地执行、Debug 优化的全链路闭环。一句总结:你说需求,它写 Python 脚本,跑完把结果甩给你S 全屏播放 full_s
RoboBrain2.0-7B模型论文速读:一种用于跨身体形态和多智能体协作的分层具身框架
摘要:本文探讨了AI Agent系统设计中的6种主流协作模式,包括单Agent、网络、监督者、工具化监督者、分层和自定义流程模式。针对足球新闻自动生成等复杂场景,分析多智能体协作的优势与适用性,提出根据系统复杂度、控制需求、可维护性等维度选择合适架构的方法。文章还提供了大模型学习资源,帮助开发者构建高效、可扩展的AI系统。
OWL 的多智能体协作机制通过分层架构和模块化设计实现高效协作。它的核心组件包括 BaseAgent、ChatAgent、RolePlaying、Workforce 以及 Task 相关 Agent 等,这些组件各司其职,共同完成任务分解、角色分配和任务执行等功能。项目地址:https://github.com/camel-ai/owl。
25年9月来自北京小米机器人公司和香港城市大学的论文“Dual-Actor Fine-Tuning of VLA Models: A Talk-and-Tweak Human-in-the-Loop Approach”。视觉-语言-动作 (VLA) 模型在机器人操作中表现出很强的泛化能力,但在复杂的现实任务中面临挑战。虽然基于演示的监督微调受到数据质量的限制,但强化学习 (RL) 提供一种很有前景
综述随后分析了现有研究之间存在的联系,并总结了目前大模型驱动的具身智能领域面临的挑战,包括大模型在特定具身场景中的适应问题、大模型策略和人类偏好的对齐问题、具身策略的跨域泛化问题、大模型驱动多智能体协作问题、具身智能在真实环境中所面临的挑战和大模型具身策略的决策实时性问题等。随后,从学习范式的角度将大模型驱动的具身智能算法概括了五大类并依次进行了详细阐述,分别是大模型驱动的环境感知、大模型驱动的任
传统AI(如ChatGPT、Claude)长期受限于“建议生成”模式,而Manus通过多智能体协作架构与端到端任务闭环,推动AI从“认知助手”向“行动执行者”跃迁。
本文探讨了利用LangChain和LangGraph进行上下文工程以优化AI智能体的方法。主要内容包括:1. 上下文工程的核心概念,即通过合理的背景信息和工具配置提升AI响应质量;2. LangGraph的关键功能:支持记忆管理(短期/长期记忆)、选择性上下文提取、工具调用和响应压缩;3. 实际应用案例:构建具备记忆功能的智能体、检索增强生成(RAG)系统,以及多智能体协作架构;4. 核心优化策略
MIRIX是针对现有AI记忆系统局限提出的创新解决方案。该系统通过模块化设计将记忆分为6种类型:核心记忆、情景记忆、语义记忆、程序记忆、资源记忆和知识宝库,每种记忆由专用智能体管理。MIRIX采用多智能体协作架构,实现信息的动态更新与高效检索。实验结果显示,在ScreenshotVQA基准测试中准确率比RAG基线提升35%,存储需求减少99.9%;在LOCOMO长对话基准测试中达到85.4%的先进
具身导航是一种新兴的导航范式,通过物联网(IoT)和人工智能(AI)技术,使移动物体能够与物理世界交互,获取局部地图、定位物体并优化导航路线。本文系统综述了具身导航的研究进展,涵盖感知、导航、效率优化及其赋能的任务。感知部分探讨了几何感知和语义理解,导航部分分析了基于几何和学习增强的方法,效率优化部分讨论了延迟、能效和鲁棒性改进策略。具身导航赋能的任务包括自动驾驶、辅助机器人、仿生应用等。尽管具身
本文将带你深入探索这个激动人心的技术前沿,通过详细的Python代码实战和步骤讲解,一步步揭秘如何利用LangChain、RAG技术以及多智能体协作的理念,打造一个具备高级知识检索与问答能力的下一代机器人。我们不仅会展示核心组件的实现,还将探讨如何融入A2A/MCP等前沿协议的设计思想,展望其在构建更强大、更智能的AI系统中的广阔应用前景。无论你是AI开发者、产品经理,还是对前沿科技充满好奇心
随着机器人技术的快速发展,多智能体协作系统在工业制造、服务、救援等领域的应用潜力巨大。然而,多智能体系统的策略开发与验证面临数据收集处理低效和策略评估复杂两大难题。本文以FrankaResearch3机械臂为载体,借助RoboFactory框架,成功解决了这些难题。RoboFactory框架集成了多种先进算法与工具,支持全流程自动化,包括智能体行为规划、约束检查与实时监控等核心模块。通过实验评估,
LangGraph 是一个专门为 LLM 应用设计的工作流编排框架。前排提示,文末有大模型AGI-CSDN独家资料包哦!将复杂任务拆分为状态和转换管理状态之间的流转逻辑处理任务执行过程中的各种异常情况想象一下购物过程:浏览商品 → 加入购物车 → 结算 → 支付,LangGraph 就是帮助我们管理这种流程的工具。清晰的任务流程管理可靠的状态持久化完善的错误处理灵活的扩展能力读者福利:如果大家对大
2025大模型时代:程序员如何应对颠覆性变革? 摘要:大模型正引发生产力革命,GitHub Copilot已实现40%代码AI生成,开发效率大幅提升。技术需求剧变,掌握Llama微调、Prompt工程等技能的程序员薪资比同行高40%-60%。新岗位如AI工程师、智能体开发涌现,而拒绝AI的中级工程师面临淘汰风险。学习路径包括大模型系统设计、提示词工程、平台开发等七个阶段,涵盖从理论到落地的全栈能力
OpenManus 是2025年最受开发者瞩目的开源AI代理框架,由MetaGPT团队核心成员领衔开发。这个项目彻底打破了传统AI工具的使用门槛,让你无需邀请码就能打造媲美商业产品的智能助手。无论是自动化办公、智能客服,还是个性化推荐系统,OpenManus 都能轻松应对。
MAS-GPT通过让大模型自动生成针对特定问题的多智能体系统(MAS),在8个基准测试上平均性能超越10种主流方法,推理时间仅为传统多智能体方案的1/8,开创了AI从"使用工具"到"创造工具"的新范式。
"扣子"是由字节跳动公司于2024年2月1日推出的一款集成AI智能体开发平台。它开创了国内AI聊天机器人快速开发的先河。▲扣子首页下面是扣子平台创建Bot的页面,对于初次使用的伙伴来说功能确实很多,但不知道从何下手搭建智能体。▲扣子智能体搭建页面。
2024年被称作"Agent元年",但企业AI助手开发面临技术门槛高、周期长等痛点。Coze平台通过分层架构设计实现了Agent开发的革命性突破:1)基础设施层整合多种大模型和数据库;2)Agent运行时提供可视化工作流编排;3)业务编排层实现多轮对话管理和权限控制。该架构将复杂的技术细节封装为可配置节点,使原本需要数月的开发工作缩短至几分钟完成,让业务人员能自主构建AI应用,技术人员则聚焦于核心
本文盘点了当前主流的7款AIAgent开发框架,包括LangGraph、AutoGen、CrewAI、OpenAIAgentsSDK、Google ADK、MetaGPT和PydanticAI。这些框架各具特色:LangGraph专注有状态工作流编排,AutoGen支持多智能体协作,CrewAI追求高性能,MetaGPT模拟软件公司工作流程,PydanticAI强调类型安全。文章从框架设计理念、核
在大模型技术的应用过程中,智能体算是一个主要的技术方向;如果说把大模型比作人的大脑,那么智能体就是人的手和脚;大脑能够思考,但具体的事情还是需要手和脚才能做。
《模型上下文协议(MCP)在AI开发中的实践应用》 MCP作为新兴的AI开放协议,正在改变智能体开发方式。本教程展示了如何结合LangGraph、MCP和Ollama构建多智能体聊天机器人。MCP通过标准化接口解决AI工具连接难题,相比传统函数调用,它赋予AI更灵活的工具发现和组合能力。文章详细解析了技术架构:使用LangGraph管理工作流,MCP实现工具标准化接入,以及异步处理机制确保系统响应
FastGPT 是目前 Prompt 串接做的最好的项目,知识库核心流程图如下:从官方简介也可以看出很牛逼:FastGPT 是一个基于 LLM 大语言模型的知识库问答系统,提供开箱即用的数据处理、模型调用等能力。同时可以通过 Flow可视化进行工作流编排,从而实现复杂的问答场景!