什么字五行属金

百度 国家政府网站中央政府门户网站全国人大常委会办公厅政协全国委员会办公厅最高人民法院最高人民检察院外交部公安部水利部文化部科学技术部劳动和社会保障部建设部民族事务委员会交通部铁道部信息产业部农业部卫生部民政部水利部教育部国家发改委人事部国防科工委商务部司法部财政部国土资源部卫生部人口和计划生育委员会中国人民银行审计署监察部新闻出版总署海关总署质量监督检验检疫总局国家旅游局国家统计局国家体育总局民用航空总局环境保护总局税务总局工商行政管理总局国家版权局国家宗教事物局国务院机关事务管理局广播电影电视总局林业局食品药品监督管理局国家知识产权局安全生产监督管理局国有资产监管委员会三峡工程建设委员会台湾事务办公室西部开发领导小组法制办公室南水北调建设委员会国务院侨务办公室港澳事务办公室国务院发展研究中心气象局社会科学院科学院保险监督管理委员会自然科学基金委员会证券监督管理委员会中国地震局新华通讯社中国工程院国家行政学院银行业监管委员会外汇管理局海洋局中医药管理局国家邮政局航天局外国专家局烟草专卖局粮食局测绘局文物局国家原子能机构档案局中共中央对外联络部国家图书馆机械工业联合会轻工业联合会建筑材料工业协会钢铁工业协会中华全国工商业联合会煤炭工业协会纺织工业协会全国供销合作总社石油和化学工业协会国家信息中心中共中央编译局中华全国总工会共青团中央全国妇女联合会全国青年联合会全国学生联合会归国华侨联合会全国台湾同胞联谊会科学技术协会文学艺术界联合会国际贸易促进委员会中国消费者协会

Di sebuah dapur maya, sebuah robot humanoid bernama Xiaotao membuka peti sejuk, mengambil bijiran dan susu, seterusnya menyediakan sarapan pagi. Ini adalah sebahagian daripada sesi latihan di dalam sekolah digital yang dibina untuk robot.

Dibangunkan oleh Manycore Tech di Hangzhou, Provinsi Zhejiang di timur China, platform SpatialVerse menawarkan tapak latihan maya buat robot untuk menjadi mahir dalam interaksi dunia sebenar.

Sebuah robot sedang berlatih untuk menggenggam sebiji epal di ruangan maya.

Sebuah robot sedang berlatih untuk menggenggam sebiji epal di ruangan maya. Zhou Chuhan sedang menyediakan ruang maya untuk latihan. (People’s Daily Online/Wang Liwei)

Dengan terdapatnya lebih 362 juta model 3D mensimulasi persekitaran ruangan yang pelbagai, robot mempelajari tugas-tugas kritikal seperti membuka almari dengan menggunakan kadar tenaga yang tepat, atau meletakkan objek secara tepat ke dalam bekas.

“Tugas-tugas ini mungkin tampak mudah bagi manusia, tetapi ia memerlukan kesedaran ruangan yang maju dan kawalan motor yang tepat daripada robot,” ujar Tang Rui, Ketua Pegawai Saintis di Manycore Tech.

Sebelum ini, usaha untuk melatih robot memerlukan persediaan dunia sebenar yang mahal dan arahan manual selama berbulan-bulan menggunakan penderia yang boleh dipakai. Kini, data sintetik yang didapati oleh SpatialVerse membenarkan jurutera untuk membina jutaan variasi latihan dalam tempoh sehari, sekali gus mendorong kepantasan dan kecekapan dalam pembelajaran.

Robot XIaotao yang dahulunya cemerkap dan tidak mampu mengelak daripada halangan, kini telah bekerja di lapangan terbang untuk mengumpul troli bagasi, di farmasi pengisih ubat-ubatan tidak bermanusia, dan digudang untuk memberikan navigasi ke alamari.

Zhou Chuhan sedang menyediakan ruang maya untuk latihan. (People’s Daily Online/Wang Liwei)

Menurut Tan Rui ketika mengulas tentang SpatialVerse, beliau berkata bahawa kursus-kursus baharu dalam pertimbangan ruangan bukan sahaja membantu robot memahami untuk robot memahami dalam tindakan, malah juga persoalan bagaimana ia bertindak pada kaedah yang khusus, yang memberikan ruang robot pintar autonomi yang lebih banyak

Perjalanan Xiaotao merupakan sebahagian daripada agenda yang lebih besar di Provinsi Zhejiang, yang pertama mencadangkan ‘Robot’+ strategi. Dengan lebih banyak institusi mendedikasikan kepada pembangunan robot, rancangan menunjukkan bahawa inudstri itu akan melepasi angka RMB20bilion (AS$2.78) menjelang 2027.