【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。
【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。
從大型GPU叢集到單機工作站：機器人強化學習的全新路徑
並非每一個機器人開發階段都必須直接進入大型叢集。對許多開發團隊而言，早期模型驗證、任務設計、模擬環境調校、獎勵函數設計與策略收斂觀察，往往更需要一套低摩擦、可反覆迭代、能在本地端運作的工作流程。
AI的隱形勞動鏈：從資料標註到「人類行為供應鏈」
從影像標註、文字分類，到近年的強化學習回饋（RLHF），再到現在逐漸成形的「行為資料蒐集」，一條新的產業鏈正在浮現：人類不再只是資料標註者，而是變成AI理解世界的「行為供應端」。
AI新十大建設：國研院國家智慧機器人研究中心揭牌
為落實推動「人工智慧之島」政策，行政院積極推動「AI新十大建設」及「智慧機器人產業推動方案」，並規劃於沙崙人工智慧產業專區成立「國家實驗研究院國家智慧機器人研究中心」。
結合感測器與AI演算法 機器人「嗅覺」進化中
隨著感測器技術、人工智慧（AI）與機器人整合能力大幅提升，機器逐漸開始具備類似動物的嗅覺，不只能「聞到味道」，也能如狗一般判斷味道濃度、辨識氣味，甚至追溯氣味的源頭。