和传统的人工地上巡视比较，印度地无人机巡检的高空之眼不受地势约束，可以准确查找线路缺点，精密把握线路运转状况。

它的方针不只是是运用AI来处理数学问题，南部更重要的是，它可以协助从程序验证的视点来构建正确且安全的程序。到现在为止，道崩咱们现已看到，扩展测验时的核算量关于进步模型的推理才干十分有用。

咱们期望运用AI开宣布更好的东西，塌10天融入数学研讨的作业流程中，塌10天为人类数学家供给证明辅佐，与人类数学家携手协作，一起霸占具有应战性和前沿性的数学问题，生成相关证明等。例如，仍有8人将母亲这一联络和出生地结合起来，模型应该可以答复这样的问题：当说到母亲的出生地是阿拉巴马州时，模型可以揣度出答案。咱们调查的是，被困假如咱们把传统上由阅览Agent处理的使命，让AIAgents经过API来完结，会怎么样呢？这是咱们依据API的Agents。

这种状况也适用于其他类型的规划使命，印度地比方让Agents将箱子推到意图地，这需求十分慎重的规划。现实上，南部咱们运用了25万种人物，包括核算机科学家、化学教授、五岁小孩等等。

例如，道崩谷歌DeepMind的AlphaGeometry2在处理世界数学奥林匹克比赛（IMO）几许问题上取得了挨近金牌水平的成果。

咱们怎么进行优化？有哪些不同的算法可以用于优化这种办法化问题？一般，塌10天人们会运用PPO（近端战略优化）。经过数据同享，仍有8人让整个工业、学界一同研讨有价值的学术问题，才干实在完结具身智能范畴的ImageNet时间和共用同享。

我也期望更多来自机械工程、被困材料科学，乃至航天航空等范畴的学者，可以投入到新一代传感器及相关硬件的研讨中。AI科技谈论：印度地与DROID、印度地OpenX-Embodiment等业界闻名数据集比较，AgiBotWorld的最大亮点、差异化优势是什么？李宏扬：现在业界现已有许多数据集，有点像2010年之前视觉范畴数据集百家争鸣的局势。

人工智能范畴身世的学者在神经网络上有很丰厚的经历，南部而传统机器人学者在硬件规划、体系架构等方面具有深沉的堆集和杰出的专业才干。AI科技谈论：道崩可以同享一下你们搜集数据搜集的进程吗？真机数据的搜集有什么困难？你们又是怎样处理的？李宏扬：道崩数据搜集的进程中，咱们参阅了亚马逊SageMaker整个流程。