從市發(fā)改委獲悉，《成都市新型基礎(chǔ)設(shè)施建設(shè)行動方案（2020—2022年）》（以下簡稱《方案》）正式出爐。為成都“新基建”清晰了路徑，也明確了未來三年的重點任務。
根據(jù)《方案》，到2022年，我市將基本形成技術(shù)先進、模式創(chuàng)新、四網(wǎng)融合、支撐有力的新型基礎(chǔ)設(shè)施，與鐵路、公路、橋梁等傳統(tǒng)基礎(chǔ)設(shè)施，共同構(gòu)建數(shù)字化、網(wǎng)絡化、智能化的基礎(chǔ)設(shè)施體系，對國民經(jīng)濟和社會發(fā)展的貢獻度和支撐力顯著提升。
成都高新區(qū)分別與頭部短視頻平臺快手、 中國互聯(lián)網(wǎng)BAT三巨頭之一的百度簽約， 宣布快手直播電商全國總部項目 和百度智能駕駛項目 落戶新川創(chuàng)新科技園
四川省成都市正在制定新型基礎(chǔ)設(shè)施建設(shè)專項規(guī)劃，研究新基建“四張網(wǎng)”體系構(gòu)建
《規(guī)劃》分為基礎(chǔ)信息網(wǎng)體系規(guī)劃及建設(shè)規(guī)劃、智慧能源網(wǎng)體系規(guī)劃及建設(shè)規(guī)劃、樞紐交通網(wǎng)體系規(guī)劃及建設(shè)規(guī)劃、科創(chuàng)產(chǎn)業(yè)網(wǎng)體系規(guī)劃及建設(shè)規(guī)劃四個板塊
四川未來產(chǎn)業(yè)發(fā)展重點：大力發(fā)展云計算、大數(shù)據(jù)產(chǎn)業(yè)。培育石墨烯、北斗衛(wèi)星導航、機器人、生物醫(yī)藥等新興產(chǎn)業(yè)
《藍皮書》旨在為政府部門政策制定、企業(yè)戰(zhàn)略決策提供科學參考，同時幫助公眾理解AI技術(shù)對經(jīng)濟社會發(fā)展的深遠影響,AI賦能行業(yè)應用案例,產(chǎn)業(yè)政策及趨勢分析
人形機器人市場規(guī)模預計從 2024 年的 20.3 億美元增長到2029 年的 132.5 億美元，復合年增長率達 45.5%;中國 60% 的企業(yè)將把AI 融入其主要產(chǎn)品和服務中，并且這些 AI 功能將成為收入增長的主要驅(qū)動力
從數(shù)據(jù)看數(shù)據(jù)標準和治理保障體制不完善，數(shù)據(jù)流通利用基礎(chǔ)較為薄弱;從算法看模型自身存在不可解釋性和可靠性風險;旺盛的大模型應用場景需求加劇人才供需矛盾
十五五”時期推進新型工業(yè)化主要統(tǒng)籌好“四對關(guān)系”：一是高質(zhì)量供給引領(lǐng)和滿足內(nèi)需的關(guān)系；二是做優(yōu)增量和盤活存量的關(guān)系；三是產(chǎn)業(yè)國內(nèi)根植與海外布局的關(guān)系；四是有效市場與有為政府的關(guān)系
AI迎賓接待機器人的核心是人機交互,在智能人機交互的研究中,對情感的識別、分析、理解、表達的能力是重點研發(fā)方向;從人類的語音,面部表情等多個維度捕捉情感信息，并對其進行分析和判別
多模態(tài)感知技術(shù)讓機器人具備類似人類五感的多模態(tài)智能感知能力;通過表情識別、語音情感分析等技術(shù)，讓機器人感知人 類情緒并做出相應情感回應，增加親和力和互動性
AI陪伴機器人在外觀設(shè)計具備人類相似特征;在行為模式上模仿人類的行為,具備手眼協(xié)調(diào),動態(tài)足控制能力;在各個領(lǐng)域的實際應用和用途,協(xié)助人類完成各種復雜任務
機器人機械手有多個關(guān)節(jié)和多個自由度，具有很高的靈活性;配置了必要的傳感器，可以精確控制機械手的操作;微小的外形尺寸使得機械手具有很高的操作精度
展廳迎賓機器人的“小腦”核心技術(shù)正在從基于模型的控制方法向基于學習的控制方法演進,視覺-語言模型為機器人學習復雜技能提供了新的范式,有很強的泛化能力,能夠根據(jù)不同的指令組合技能
基于模型的小腦技術(shù)路線控制方法有ZMP判據(jù)及預觀控制,混雜零動態(tài)規(guī)劃方法,虛擬模型解耦控制;基于學習的小腦技術(shù)路線控制方法有強化學習和模仿學習
迎賓服務機器人需要整合視覺,聽覺,觸覺等多種感知模態(tài),使機器人在復雜場景中做出更準確的決策;結(jié)合聽覺和觸覺信息，機器人可以更好地理解人類的指令和情感狀態(tài)
LLM(大語言模型+VFM(視覺基礎(chǔ)模型)實現(xiàn)人機語言交互、任務理解、推理和規(guī)劃;VLM(視覺-語言模型)實現(xiàn)更準確的任務規(guī)劃和決策;VLA (視覺-語言-動作模型)解決機器人運動軌跡決策問題
