機器人資料與硬體

按生命週期目的、控制連線、模型忠實度、驗證、所有權和營運使用情況比較虛擬除錯和數位孿生，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

構建分層物理 AI 安全，包含受限任務、驗證的感知與規劃、受限控制、獨立保護和受控恢復，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

瞭解 Figure 的 Helix 02 層級結構，從語意目標和視覺運動關節目標到快速全身控制，以及證據邊界，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

打造一個機器人資料工廠，將展示、自主執行、介入和失敗轉化為可追溯的培訓和評估事件，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

比較模仿學習與強化學習在機器人上，透過展示、獎勵、探索、模擬、安全、轉移和評估進行比較，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

設計一個物理 AI 概念，將有前景的機器人展示轉化為可重複的操作證據，包含閾值、失敗、介入和成本，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

理解物流人工智慧如何連線預測、訂單、庫存、任務分配、車隊交通、裝置控制、異常情況和驗證完成，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

透過距離、解析度、串擾、漂移、過載、校正、變換和力控制，理解手腕、關節和末端效應器的力量感測，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

比較應變波、擺線和行星機器人減速器，按轉矩、比值、間隙、剛度、效率、耐衝擊力、封裝和壽命分類，並整理真實機器人部署前需要核對的條件、指標與失敗證據。

學習 Gemini Robotics-ER 1.6 空間推論、定位輸出、 API 工作流程、座標處理、運動規劃和機器人驗證。