【技術剖析】如何縮短機器人開發的Sim-to-Real鴻溝？
在機器人開發邁向「實體 AI」（Physical AI）的時代，NVIDIA 提供了一套從底層渲染到高層學習的完整生態系。本文將解析 NVIDIA 所提出的模擬方案架構，以及與 Real2Sim 和 Sim2Real 流程的整合方式。
從資料到部署一站加速：研華攜手Edge Impulse降低Edge AI開發門檻
研華日前舉辦的一場線上研討會邀請到資深開發者與技術專家，分享如何妥善運用Edge Impulse平台搭配研華AOM-2721開發套件，協助開發者縮短從資料到部署的週期，並以PCB焊接瑕疵檢測作為示範場景，呈現工業視覺應用從零開始建置物件偵測系統的完整流程。
【創業小聚】Anvil Robotics運用台灣供應鏈重寫實體AI機器人開發流程
光米科技（Anvil Robotics），這家成立不到一年的新創，正試圖加速物理 AI（Physical AI）的開發模式。
從西伯利亞流浪貓到AI義肢：科技如何重塑身體邊界
在過去，義肢結構設計其實相當單純，以結構補償作為核心，打造支撐架或是簡單的關節式替代結構，目的很簡單，就是「補償」失去的結構，讓他重新具備站立與行走的能力。但是「能走」跟走的自然」之間，仍存在巨大鴻溝。
HPE以NVIDIA架構為基礎將分散式AI工廠整合為智慧AI網格
HPE推出以NVIDIA參考架構為基礎打造的端到端解決方案HPE AI Grid，可安全串聯跨區域及遠端邊緣站點的AI工廠與分散式推論叢集，讓服務供應商大規模部署並運營數千個分散式推論節點，將原本分散的AI部署整合為單一且智慧化的運作平台。