待验证50% 置信事实精确时间
多伦多大学Acceleration Consortium、卡内基梅隆大学ChemOS项目及利物浦大学Andrew Cooper团队的移动机器人化学家已在光催化剂和多孔材料优化领域展示SDL价值
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/17
首次发现
有效期至：2026/10/15
来源
相关事实
待验证MIT的Cheetah系列机器人和CMU研究团队通过拓扑优化与强化学习联合训练，可设计出外壳即结构承力件同时最大化关节活动自由度的形态解61% 相似待验证协作机器人的安全协作能力建立在ISO/TS 15066技术规范定义的四种协作模式之上：安全额定监控停止、手动引导、速度与间距监控、以及功率与力限制56% 相似待验证波士顿动力、Figure AI等团队已将外壳协同运动学优化纳入标准设计流程56% 相似待验证Physical Intelligence公司的π0（2024年）采用基于流匹配的动作生成头，在叠衣服、组装餐盒等精细操作任务上取得同类工作最佳性能56% 相似待验证Research Engineer/Applied Scientist偏研究导向看重发表记录，Machine Learning Engineer偏工程导向看重系统设计和生产部署56% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/537349API
curl https://kongchang.com/api/v1/knowledge/claims/537349MCP
get_claim(id=537349)