<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>少数据学习 on AI内参</title>
    <link>https://www.neican.ai/tags/%E5%B0%91%E6%95%B0%E6%8D%AE%E5%AD%A6%E4%B9%A0/</link>
    <description>Recent content in 少数据学习 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Tue, 29 Jul 2025 11:40:05 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E5%B0%91%E6%95%B0%E6%8D%AE%E5%AD%A6%E4%B9%A0/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>颠覆通用机器人瓶颈：波士顿动力「坐标系转移接口」如何重塑具身智能的学习范式</title>
      <link>https://www.neican.ai/insights/article-20250729114005474-1/</link>
      <pubDate>Tue, 29 Jul 2025 11:40:05 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20250729114005474-1/</guid>
      <description>波士顿动力与东北大学合作推出的HEP框架，凭借其革命性的「坐标系转移接口」，有效解决了机器人泛化和数据稀缺的难题，实现了“少数据、强泛化”的关键突破。这一创新不仅将大幅加速通用型具身智能的商业化进程，降低部署成本，更预示着未来机器人将能更广泛、更自主地融入人类生活与各行各业，推动社会结构和劳动力市场的深远变革。</description>
    </item>
  </channel>
</rss>
