基辛格表示，他第50次来中国台湾，40年前，他亲身经历个人电脑快速发展起点，带动中国台湾在硬件 制造业的地位。他也将担任Playground投资开发光学元件封装Ayar Labs公司董事，积极推动以光代替铜 线的传导新技术。 英特尔前CEO基辛格转战创投界，11月18日以深科技创投Playground Global合伙人身分，带领七家新创 公司专程来中国台湾。他称赞中国台湾供应链制造能力超强，"早上有想法，中午出原型，晚上就量 产"，相关新创公司也将与台积电、鸿海等中国台湾厂商合作。 Playground Global昨带来投资的七家新创公司，横跨电源管理、光通信、互连与微影技术等领域，除了 Ayar Labs的光通讯技术外，改善供电架构芯片的PowerLattice；以光技术改善AI服务器功耗的PicoJool； 挑战降低EUV设备成本的xLight，都是挑战当前产业痛点的"深科技"，部分也与中国台湾半导体业者包 括稳懋、世芯、创意等业者合作。 基辛格指出，中国台湾是让科技突破真正落地为现实的关键舞台，在促成创新从概念落地到规模化的速 度领先全球，在精密技术、半导体产能、以及深科技领域的专业，中国台湾是业界 ...

Group 1 - Global automotive parts giant Aptiv has formed a strategic partnership with Silicon Valley robotics company Robust.AI to develop collaborative robots (cobots) [1] - The collaboration aims to accelerate innovation in warehousing and industrial automation by combining Aptiv's product portfolio with Robust.AI's expertise in robotics technology [1] - Aptiv's Executive Vice President Javed Khan emphasized the integration of real-time perception, cognition, action, and optimization capabilities to empower the future of intelligent edge development [1] Group 2 - Robust.AI's Carter is a multifunctional collaborative robot designed to enhance existing workforce efficiency, integrating three robotic capabilities: order picking, point-to-point transport, and mobile sorting on a single platform [2] - Carter's plug-and-play automation capabilities enable rapid productivity improvements and data-driven insights to optimize workflows and enhance warehousing efficiency [2] - Rodney Brooks, co-founder and CTO of Robust.AI, noted that Aptiv's expertise in developing advanced AI models and sensors for autonomous vehicles will significantly enhance Carter's ability to safely collaborate with human operators in dynamic environments [2]

9月29日消息，在风险资本热钱涌动、科技巨头争相入局的人形机器人领域，著名机器人专家、iRobot联合创始人、麻省理工学院教授罗德尼· 布鲁克斯（Rodney Brooks）近日发出警示：当前由特斯拉等企业炒作和数十亿美元投资推动的人形机器人热潮，是一个注定要破裂的泡沫。 01 核心技术三大瓶颈难破："纯粹幻想"与物理现实之间的鸿沟 当前，以特斯拉和机器人公司Figure为代表的企业，正尝试通过让机器人观看人类执行任务的视频来训练其精细操作能力。布鲁克斯在其最新 文章中直指这种方法是"纯粹的空想"，并从三个维度剖析了其存在的根本性技术障碍。 首先是触觉感知方面存在巨大差距。布鲁克斯指出，人手是极其复杂的构造，内部密布约1.7万个专用触觉感受器，这是现有任何机器人都难 以企及的。 布鲁克斯解释道，机器学习之所以能在语音识别和图像处理领域取得突破，但这些成就建立在数十年现有技术的基础上，这些技术能够有效地 捕捉和处理相应的数据。"但在触觉数据领域，我们缺乏这样的技术积累，"他强调。这意味着机器人无法通过观察视频，真正理解人类与物体 互动时产生的微妙物理反馈。 图：著名机器人专家罗德尼·布鲁克斯 其次是无法回避的安 ...