技术规格参数 ---
| 制造商 --- | Sanctuary AI --- |
|---|---|
| 身高 --- | 约1.70 m(5'7") --- |
| 体重 --- | 约70 kg(154磅) --- |
| 有效载荷 --- | 约10 kg --- |
| 最大速度 --- | 未公开 --- |
| 电池续航 --- | 未公开 --- |
| 自由度 --- | 未完全公开 --- |
| AI 平台 --- | Carbon — 专有的基于LLM的任务规划系统 |
| 价格 --- | 企业(不公开) --- |
| 传感器 --- | RGB摄像头 深度传感器 力传感 |
Sanctuary AI Phoenix — 最新视频
Sanctuary AI是一家总部位于温哥华的公司,追求其所称的“通用机器人的人类级智能”。Phoenix作为其商业平台,是这一愿景的物理体现。然而,Sanctuary与竞争对手的区别在于其AI架构,而非硬件。
Carbon是Sanctuary专有的AI系统,建立在一个前提之上:通用机器人行为的路径需要通过连接运动执行的语言模型推理。大多数竞争对手训练神经网络将传感器观测直接映射到运动命令,而Carbon使用基于LLM的规划层,用自然语言解释任务,将其分解为子目标,并序列学习到的运动基元来执行。
这种方法具有令人信服的理论优势:语言模型从互联网文本中编码了大量任务知识,使Carbon在理解“按颜色分类这些物品”或“检查这个产品的生产日期”等指令方面具有先发优势,无需特定任务的训练数据。实际上,将语言理解桥接到可靠的物理执行仍然是一个难题。
Phoenix已在多家零售和物流客户中进行商业试点部署。Mark's Work Wearhouse(一家加拿大零售商)是首批公开的客户之一,使用Phoenix进行库存管理任务,包括分类、上货和物品定位。这些都是Carbon设计处理的半结构化任务的典型代表。
Phoenix身高约170 cm,体重70 kg。硬件性能出色,但并非领先——差异化是有意放在软件上。Sanctuary采用远程操作优先的数据收集方法:人类操作员通过控制界面演示任务,生成标注数据用于训练Carbon的任务模型。
主要优势: --- Carbon基于LLM的AI架构、自然语言指令、零售/物流试点、远程操作数据收集飞轮。
关于Sanctuary AI Phoenix的常见问题
Sanctuary AI Phoenix用于什么用途?
Phoenix专为零售和物流任务设计,包括在半结构化环境中的库存分类、上货和物品定位。Mark's Work Wearhouse是一家加拿大零售商,使用Phoenix进行库存管理。机器人处理需要解释自然语言指令的任务,如按类别分类物品或检查产品详情。
谁是Sanctuary AI Phoenix的制造商?
Sanctuary AI是一家总部位于温哥华的公司,生产Phoenix。该公司专注于开发其所谓的通用机器人人类级智能。Sanctuary AI通过其Carbon AI架构而非硬件规格实现差异化,采用远程操作优先的方法进行数据收集,人类操作员演示任务来训练系统。
Sanctuary AI Phoenix的价格是多少?
截至2026年,价格尚未公开。Phoenix通过企业合同提供,用于商业试点计划。没有消费者或零售购买选项。有兴趣的组织可以通过sanctuary.ai联系Sanctuary AI,讨论零售和物流应用的试点部署和企业定价。
Sanctuary AI Phoenix的主要规格是什么?
Phoenix身高约170 cm(5英尺7英寸),体重约70 kg(154磅)。预计有效载荷能力约10 kg。机器人使用RGB摄像头进行感知。Sanctuary AI尚未公开速度、电池续航和自由度等详细规格。
Sanctuary AI Phoenix目前在哪里部署?
Phoenix已在多家零售和物流客户中进行商业试点部署。Mark's Work Wearhouse是一家加拿大零售商,是首批公开的客户之一,使用Phoenix进行库存管理任务。这些部署专注于需要分类、上货和物品识别能力的半结构化零售环境。
Sanctuary AI Phoenix与其他人形机器人相比如何?
Phoenix通过其Carbon AI软件架构而非硬件规格实现差异化。虽然其物理能力出色但并非领先,但基于LLM的Carbon系统支持自然语言任务指令,这是大多数专注硬件的竞争对手所缺乏的。这种软件优先的方法目标是任务泛化,而非原始物理性能指标。
Sanctuary AI Phoenix具有哪些AI能力?
Phoenix运行Carbon,这是Sanctuary AI专有的基于LLM的任务规划系统。Carbon使用连接到运动执行的语言模型推理层,解释自然语言指令,将其分解为子目标,并序列学习到的运动基元。训练数据来自远程操作,人类操作员演示任务,创建标注数据飞轮以持续改进。
✓ 优势 ---
- Carbon LLM架构实现泛化
- 自然语言任务指令
- 零售部署试点
- 独特的AI差异化因素
✗ 劣势 ---
- 规格不如专注硬件的竞争对手
- LLM到运动执行仍有难度
- 公司规模较小,资源有限
- 当前部署范围有限