AI

從感測器著手的 Physical AI,首爾大學推出

AI TIMES ·

從感測器著手的 Physical AI,首爾大學推出
研究團隊在 ACM MobiSys 2026 展示了基於 ATI 的移動式物理 AI 原型示範。【圖片:首爾大學】

✦ AI 摘要

據 AI TIMES 報導,首爾大學研究團隊11月16日表示,該團隊開發出一種 Physical AI 架構,透過模仿人類神經系統功能分工的「人工三元智慧」,將移動式攝影機的物體辨識準確率提升至88%。這套架構也將遠端 AI 呼叫減少43.3%,其核心在於把感測器控制、裝置端推論…

據 AI TIMES 報導,首爾大學研究團隊11月16日表示,該團隊開發出一種 Physical AI 架構,透過模仿人類神經系統功能分工的「人工三元智慧」,將移動式攝影機的物體辨識準確率提升至88%。這套架構也將遠端 AI 呼叫減少43.3%,其核心在於把感測器控制、裝置端推論與遠端推論整合為一個循環系統。研究團隊將腦幹、小腦與大腦的角色分開設計,先保護感測器訊號,再依拍攝條件自動校正,進而調整裝置內部判斷與外部高效能推論的分工。這項做法源自一個問題意識:像過去那樣只在輸入之後進行修正,難以充分挽回感測器階段已流失的資訊。實驗顯示,在光線變化與移動情境下,系統會主動調整攝影機設定,讓有利於辨識的影像能被輸入。研究團隊計畫將這項技術擴展到攝影機以外的其他感測器,並在智慧眼鏡與機器人等裝置上持續進行實地驗證。

觀點

這項研究的意義在於,Physical AI 的競爭重心不再只停留在取得更大的模型,而是轉向連「要讓哪些輸入進來」都納入設計。這種在提升準確度同時降低遠端依賴的結果,對於必須在有限資源下更快、更穩定做出判斷的裝置尤其重要。最終來看,產業界衡量產品完成度的標準,很可能不再只是推論效能,而是感測器控制、裝置端處理與遠端協作能否一起最佳化。

此觀點為 BizCrush 自行撰寫之意見,與 AI TIMES 的報導內容無關。

本文由 BizCrush 在自動生成演算法的協助下撰寫。


本文由 BizCrush 根據 AI TIMES 原文摘要整理。準確引文與細節請參閱原文。

BizCrush Inc. · 執行長 Taemin Kwak

總部 100 Middlefield Rd, Menlo Park, CA 94025, USA

韓國辦公室 韓國首爾特別市江南區永東大路 602 號 6 樓 602 室內 Z112

客服 help@bizcrush.ai · 合作洽詢 business@bizcrush.ai

AI 聲明

部分功能使用生成式 AI。

這些功能在使用前皆會另行告知,並標示 AI 生成的結果。AI 產出內容僅供參考——做出重要決定前,請務必確認原始出處並諮詢專業人士。