专栏名称: 人形机器人联盟
深入人形机器人的世界,探索其在全球产业链中的创新与影响。我们专注于展现这一领域的最新技术进展和市场动态,为您呈现科技与实际应用的精彩融合。关注我们,一起洞察人形机器人如何成为未来科技的重要推动力。
目录
相关文章推荐
51好读  ›  专栏  ›  人形机器人联盟

仅4个月,完成近2亿元天使轮融资,这家公司凭什么做中国的Figure?

人形机器人联盟  · 公众号  ·  · 2024-08-12 17:30

正文

点击蓝字 关注我们

关注公众号,点击公众号主页右上角“ · · · ”,设置星标,实时关注人形机器人新鲜的行业动态与知识!
来源:人形机器人大讲堂

近日, 国内唯一具备AI+机器人生产力级全栈技术能力的具身智能公司——千寻智能(Spirit AI),对外宣布成功完成近2亿元种子轮+天使轮融资。 本轮天使轮融资由弘晖基金领投,达晨财智和千乘资本跟投。尤为值得一提的是,顺为资本和绿洲资本作为种子轮的老股东,在此轮融资中持续加码,充分展现了其对千寻智能的高度信任与支持。

据悉, 千寻智能 创立于2024年2月, 用时 仅4 个月便赢得多个顶级资本的重金加注, 这一成就充分体现了资本市场对于具身智能赛道稀缺团队的高度认可与青睐。千寻智能团队表示, 本轮融资后,他们将持续发力技术研发与场景落地,全力打造能够胜任各种任务的通用智能机器人平台,开创机器人技术的新时代。

豪华团队创业,全栈能力配齐

千寻智能组建的精英团队,在全球范围内都极为稀缺,这不仅构筑了资本对其稳固信任的坚实基石,更成为其持续吸引并赢得资本青睐与押注的关键因素。

千寻智能团队成员汇聚了来自 UC Berkeley、 CMU 、清华大学、北京大学、浙江大学 国内外顶尖高校的精英,同时也吸纳了来自 小米、华为、腾讯、大疆等 知名企业的优秀人才。得益于此,千寻智能技术团队在具身大模型、机器人以及场景落地方面均展现出领先性。公司不仅拥有 业界领先的具身大模型技术及卓越的机器人研发能力,还具备全栈AI工程化能力,并在预训练模型、模仿学习和强化学习等方面核心技术优势突出。 同时,在机器人系统级设计和优化技术、机器人功能安全技术、模块化控制软件架构技术以及高性能机器人控制技术方面,千寻智能团队也均处于行业领先地位。

千寻智能创始人兼CEO韩峰涛 在机器人行业拥有十余年丰富经验,曾任珞石机器人联合创始人&CTO,是国内高性能轻型工业机器人领军者和国内力控协作量产交付第一人。在他的带领下,团队成功交付了数十款型号产品,总量超20000台。此外,韩峰涛还成功带领团队将机器人技术应用于20+行业、100+场景,实现了1000+客户的商业化成果转化,展现出极强的机器人产品化和工程化能力。

2024年,韩峰涛All in具身智能,带着自己世界级运控算法能力和生产力级机器人整机设计经验,开启了他人生中激情澎湃的二次创业之旅。他选择的正是具身智能这个全球处在同一起跑线上的新赛道。

千寻智能联合创始人高阳, 现任清华大学交叉信息学院助理教授及清华大学视觉与具身智能实验室主任,博士生导师,拥有长达十年的具身智能、机器视觉和机器学习研究经验。高阳师从国际计算机视觉大师 Trevor Darrell 教授,并与强化学习领域知名学者Pieter Abbeel教授和Sergey Levine教授曾有过深入合作。

高阳教授在具身智能的三层模型中都有丰硕的研究成果。例如在强化学习方面,他提出了世界上迄今为止样本效率最高的强化学习算法(EfficientZero和EfficientZero v2 )。这些算法受到OpenAI CoFounder、强化学习带头人John Schulman的高度评价。 多年来,高阳教授的研究重点始终聚焦于构建能够在任何场景中执行任意任务的通用具身智能大脑,他在互联网视频预训练、模仿学习、物理世界强化学习等多个具身智能领域成果频出。

怀着在中国打造出一家世界级具身智能巨头的理念和愿景,高阳教授决定加盟千寻智能,成为其联合创始人。他的加入为千寻智能带来了强大的科研动力和创新活力。

坚实技术底座,穿越智能边界

凭借全球顶尖的精英团队,千寻智能在AI系统和机器人硬件平台这两大关键领域构筑了难以逾越的坚固护城河,这进一步巩固了其深厚的竞争壁垒。

在AI系统领域,高阳 教授不仅在互联网视频预训练、sim2real、模仿学习、物理世界强化学习等多种具身智能数据源方面都拥有丰富经验,而且 具备“全栈”的具身智能数据利用能力。 这种全栈的数据能力对于构建真正通用的具身智能大脑至关重要。

在构建具身智能过程中,数据的有效利用无疑是最重要的关键因素之 一。高阳教授在这一领域取得了重要突破。在包括高样本效率强化学习、高效率模仿学习等关键技术之中,高阳教授是世界上最高效率算 法的设计者。他 提出的EfficientImitate高性能模仿学习算法, 相比斯坦福的VMAIL的算法,性能提升了600%。 该算法可以在相同数据量的情况下,让模仿学习的泛化性达到最高水平。他







请到「今天看啥」查看全文