PHYSICAL AI LAB · 繁體中文版
從感知、推理到真實世界的行動，系統整理實體 AI（亦常見稱為物理 AI，Physical AI）、機器人學習、模擬訓練、硬體與產業生態。
我們以論文、官方文件、產品資料與公開部署證據為基礎，區分已證實資訊、開發目標與推測。若價格、版本或供應狀態會變動，文章會標示查核日期與適用條件。
從這裡開始
- 什麼是實體 AI？從感知、決策到行動的完整概念
- 實體 AI 與具身智慧有何不同？
- 機器人基礎模型指南：能力、資料與限制
- VLA 與 VLM 比較：輸入、輸出與控制責任
- Sim-to-Real：如何跨越模擬與現實落差
- 實體 AI 公司與產業生態系地圖
熱門企業與產品
- Unitree 機器人價格與購買指南
- Tesla Optimus 價格、上市時間與實際購買狀態
- Boston Dynamics Atlas：規格、價格與供應現況
- Jetson AGX Thor 與 Orin：價格、功耗與升級成本
- Google 實體 AI 策略：模型、裝置端能力與合作夥伴
技術與部署
- 倉儲揀選機器人：視覺、抓取、復原與部署指標
- Isaac Sim、MuJoCo、Gazebo 機器人模擬器比較
- 視覺慣性里程計與 SLAM：無人機與移動機器人的選擇
- 機器人邊緣 AI：延遲、功耗與雲端邊界
- Open-RMF：機隊、門禁與電梯整合
- VDA 5050 3.0：訂單、狀態與互通邊界
- 準直接驅動（QDD）致動器指南
- 機器人深度相機：立體視覺、ToF 與結構光怎麼選
- NVIDIA GR00T N2 與 N1.7 比較
編輯原則：不把預告當成已上市產品，不把峰值規格當成持續效能，也不以單一示範推論大規模部署。讀者可從每篇文章的來源與查核日期追溯結論。