iNews24 重点报道了Haply在物理人工智能和机器人学习方面的做法
iNews24 在其关于推动下一代机器人人工智能发展的技术的CES 2026专题报道中，重点Haply 。
该文章在Haply Maum AI，这两家公司分别代表了物理人工智能生态系统中的不同部分。
Maum AI 的工作重点在于帮助机器人解读信息、处理指令并规划行动。我们的工作则侧重于探讨触觉技术如何帮助捕捉完成任务过程中涉及的物理信息。
智慧必须转化为实际行动
人工智能系统能够识别图像、处理语言并制定计划。
然而，机器人必须将这些计划转化为实际动作。它需要到达正确的位置，接触物体，并施加适当大小的力。
这一区别是物理人工智能的核心。
像“拿起那个物体”这样的指令，对人来说可能很容易理解。但要执行这一指令，则需要根据物体的尺寸、重量、材质、稳定性以及周围环境等因素做出身体动作上的决策。
机器人不仅必须学会预期结果，还必须学会实现该结果所需的物理行为。
模仿学习的作用
模仿学习使机器人能够通过人类的演示进行学习。
一个人执行一项任务，系统会记录有助于机器人重现该任务的信息。运动数据可以显示所走的路径以及任务随时间推移的进展情况。
然而，仅靠运动可能无法完全解释这种相互作用。
例如，演示视频可能仅展示工具沿正确路径移动的过程，却不会显示用户施加的压力大小、何时遇到阻力，以及任务执行过程中力的变化情况。
我们的触觉技术可以补充这一缺失的物理背景。
HARP 人类引导的机器人学习
iNews24 在我们的“人类高级机器人平台”（HARP）荣获2026年国际消费电子展（CES）创新奖后，对此进行了专题报道。
我们设计了HARP 帮助机器人团队将人体动作、力反馈和机器人控制工作流有机结合起来。
借助我们的触觉接口，操作员可以引导交互过程，同时系统会采集有关运动和物理力的信息。
由人类引导的机器人演示
模仿学习
遥操作
力感知数据采集
模拟
机器人工作流开发
通过捕捉不仅仅是视觉上的动作，我们的触觉系统能够帮助团队更全面地呈现物理任务的执行过程。
将模拟与物理交互相结合
仿真在机器人领域的重要性日益凸显，因为它为团队提供了一个可控的环境，用于开发、测试和重复交互。
我们与NVIDIA 开展的合作，将触觉交互与NVIDIA Sim 等仿真工具相结合。
在兼容的模拟环境中，操作员可以通过Haply 引导机器人进行交互，同时从虚拟系统接收力反馈。
这有助于团队在将工作流部署到实体机器人之前或与部署同步进行时，开发和评估由人类引导的工作流。
仿真并不能取代现实环境中的测试。它为研究人员提供了一个额外的环境，使他们能够在此构建、重复和改进交互过程。
解决相关问题的不同技术
iNews24 的原文Haply 提到 Maum AI 和Haply 我们代表了机器人智能的不同层次。
人工智能系统可以帮助机器人理解指令并确定应采取何种行动。触觉和示范技术则有助于捕捉该动作在物理层面上应如何执行。
这些能力是相辅相成的，而非可以互换的。
下一代机器人将依赖于感知、语言理解、规划、仿真、机器人控制、触觉以及人类示范之间的协同工作。
没有任何单一层能够解决整个物理人工智能的挑战。
帮助智能机器与现实世界进行交互
我们在物理人工智能领域的角色，主要聚焦于人、仿真与机器人之间的物理连接。
通过捕捉运动和力，我们帮助团队探索如何将人类的物理知识转化为有用的机器人数据和可重复的工作流程。
iNews24的报道将此视为机器人智能更广泛演进过程中的一个重要环节。
阅读iNews24的原文报道
本页面总结了Haply在iNews24关于2026年国际消费电子展（CES 2026）的报道中，有关机器人人工智能、模仿学习及物理人工智能技术的相关内容。
原始来源
https://www.inews24.com/view/1926759
建议的内部链接：在 Squarespace 网站建设过程中，添加相关的产品页面、用例页面、Developer Hub “咨询专家”的行动号召按钮。
