2024年12月6日浙江· 湖州，在备受瞩目的中国机器人行业年会上，PNP机器人因其在人工智能领域的**贡献，以及推动全球前沿具身智能发展的深远影响，荣获机器人行业科研贡献奖。这一奖项是对PNP机器人持续推动人工智能科研行业发展的高度认可，也彰显了其在推动人工智能科研方面的领导地位。

通过以FR3/Diana7机器人为核心的科研平台，推荐物理引擎ODE、深度相机与ROS的一体化创新，PNP机器人推出系列机器人操作策略验证平台。特别是在Diffusion Policy方向的具身智能操作策略的研究，以及基于DROID与x-Embodiment等全球**数据集的前沿探索中，PNP机器人及其科研平台不仅推动了技术发展，还助力研究学者在RSS、CoRL、IROS等**会议上斩获多项学术奖项。

PNP机器人市场负责人朱经理代表公司领取奖项。

PNP机器人关注具身智能，尤其在机器人操作Manipulation领域分享了全球同步最新的科研咨询和研究方法。

一、PNP机器人：专注推动人工智能科研发展的行业先锋

1.1 科研平台的核心优势：智能化研究的基石

PNP机器人深谙技术创新离不开高效、灵活且多功能的科研平台，为此，打造了以FR3机器人为核心的一体化平台。

FR3机器人
FR3机器人是Franka系列机器人中的最新型号，以其高精度控制和模块化设计成为人工智能与具身智能研究的理想平台。

• 
  

1. 精准的运动控制：通过灵敏的力反馈，FR3机器人能够实现复杂任务场景中的精准操作。

2. 灵活的开放性：兼容主流人工智能框架（如TensorFlow、PyTorch），便于开发人员轻松实现算法部署和优化。

3. 模块化设计：提供灵活的配置选择，适应不同科研需求，从而大幅降低实验成本。

物理引擎ODE
ODE（Open Dynamics Engine）是专为机器人开发的高效物理引擎，支持复杂的物理交互仿真场景，为机器人操作策略的验证提供了可靠环境。

1. 高效物理模拟：真实还原力学、碰撞和摩擦等物理特性。

2. 灵活场景配置：可轻松模拟非结构化环境中的复杂任务场景，为操作策略研究提供多样化支持。

深度相机与ROS集成
深度相机与ROS（Robot Operating System）系统的无缝结合，进一步提升了科研平台的实时感知能力与数据处理效率。

1.2 平台驱动科研行业发展的使命

PNP机器人不仅依托自身强大的科研平台推动研究，更将平台开放给全球学术界，支持科研机构和企业开展人工智能与具身智能领域的创新探索，为机器人行业发展贡献力量。

二、创新具身智能操作策略：Diffusion Policy的引领性实践

Diffusion Policy：具身智能领域的突破性方法

Diffusion Policy是一种基于概率扩散模型的机器人操作策略学习方法，通过多样化的策略生成能力提升机器人任务的完成效率与灵活性。这一方法的核心价值在于：

• 策略多样性：应对复杂和动态变化的任务环境。

• 高效鲁棒性：在非结构化场景中展现出**的稳定性与适应性。

• 数据高效性：显著降低大规模标注数据的需求，优化资源利用率。

Diffusion Policy在科研平台上的应用案例

结合FR3机器人、ODE物理引擎和深度相机，较多研究团队将Diffusion Policy应用于一系列复杂任务场景，取得了突破性成果。

• 动态环境中的精准目标抓取

• 研究背景：在动态环境中实现对移动物体的精准抓取是机器人研究的热点和难点。

• 研究过程：

1. 使用ODE引擎模拟动态交互场景，生成丰富的训练数据。

2. 基于Diffusion Policy优化机器人动作策略，提升操作灵活性。

3. 使用深度相机实时捕获目标运动轨迹并进行动作校正。

三、数据驱动研究：DROID与x-Embodiment数据集的创新实践

3.1 数据集：人工智能发展的重要驱动力

在人工智能研究中，高质量数据集是驱动模型训练与策略验证的关键。DROID和x-Embodiment等数据集的开发，为具身智能研究提供了全球领先的数据资源。

3.2 DROID数据集：动态交互场景的核心支持

DROID（Dynamic Robot Object Interaction Dataset）数据集专注于机器人在动态交互任务中的应用场景，为研究复杂任务提供了多模态、多场景的高质量数据支持。

数据集特点：

• 包含视觉、触觉和力学数据，覆盖抓取、堆叠、分类等多种任务。

• 支持动态环境中的机器人操作策略研究。

应用案例：复杂场景中的任务规划
使用DROID数据集，优化了FR3机器人的任务规划能力，使其在复杂场景中的操作准确率提升至98%。这一成果被IROS（International Conference on Intelligent Robots and Systems）收录并引发广泛关注。

3.3 x-Embodiment数据集：跨平台操作策略的支撑

x-Embodiment数据集针对机器人操作策略的跨平台迁移问题，提供了多样化的数据样本，其中FRANKA机器人具有最多的数据集。

• 应用案例：策略迁移验证
  众多团队基于x-Embodiment数据集开发的策略，成功在不同硬件平台间实现迁移，迁移成功率达88%以上，深入研究成果在RSS（Robotics: Science and Systems）上发表，并获得高度评价。

四、PNP机器人推动学术研究的**成果

力控机器人FR3以及其平台支持的研究在全球机器人学术界大放异彩。基于FR3机器人进行的多项研究被RSS、CoRL、IROS等**会议录用并获奖，为全球机器人研究提供了重要参考。

参考：

CoRL 2024 **论文及提名（Outstanding Paper Award Winners and Finalists）

《OpenVLA: An Open-Source Vision-Language-Action Model》

机构: Stanford University, UC Berkeley, Toyota Research Institute, Google Deepmind, Physical Intelligence, MIT

• 项目链接: https://openvla.github.io
• 主要贡献:
开发了OpenVLA模型：这是一个开源的通用机器人操作策略模型，能够在不同机器人平台上进行控制，并在任务成功率上显著超越RT-2-X等闭源模型。
实现了高效的微调机制：使用低秩自适应（LoRA）和量化技术，使得OpenVLA可以在消费级GPU上进行微调而不影响性能。
开放模型权重和代码：发布了模型的检查点、微调笔记本和PyTorch代码库，便于在Open X-Embodiment数据集上大规模训练VLA模型





《Equivariant Diffusion Policy》

机构: Northeastern University, Boston Dynamics AI Institute




• 主要贡献:
• 提出了Equivariant Diffusion Policy：一种利用对称性的扩散模型方法，嵌入任务几何对称性，从而简化了降噪函数的学习，提高数据效率。
• 分析了SO(2)对称性在6自由度（DoF）控制中的应用：为机器人操作任务中的降噪过程提供理论支持，使得模型在多种对称性场景下均具有较高的泛化性能。
• 在MimicGen模拟任务和真实机器人系统中验证了方法的有效性：相比于基准扩散策略模型，该方法在少量示例数据的条件下表现出更高的成功率。

五、展望未来：PNP机器人专注科研，共享力量

PNP机器人将继续以全球领先的科研平台为基础，专注人工智能与具身智能研究，不断推动行业进步。未来发展愿景包括：

• 扩展科研平台能力：优化FR3机器人平台，提供更多智能化功能支持。

• 加强全球知识共享：持续开放数据集与技术资源，助力学术研究和产业转型。

• 深化行业合作：与全球顶尖科研机构和企业携手，打造协同创新生态系统。

PNP机器人：知识共享，智绘未来！

——全文完——

关于集智联机器/PNP机器人

集智联机器人， 英文名字：Plug & Play Robotics简称PNP机器人， 取义为“集中智慧互联，达到即插即用”,目标用先进的机器人技术实现机器人在各个行业的快速使用。集智联机器人团队成员均来自于国内外机器人行业知名企业，具有较强的学术背景。PNP机器人是聚焦机器人即插即用（Plug & Play）技术和Franka机器人等具身智能通用解决方案。

集智联机器人(PNP Robotics)

www.pnprobotics.com

sales@pnprobotics.com

技术咨询/销售/合作

180 1817 5378（微信同号）

询问Franka机器人等具身平台搭建，可直接扫码。申请加入具身智能群，请发公司/学习+方向/院校+名字，谢谢。