<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Deepoch的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Deepoch</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Deepoch]]></copyright><item><title><![CDATA[低幻觉数学大模型 助力发动机运维与能效优化]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/162075352</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/162075352</guid><author>Deepoch</author><pubDate>Wed, 17 Jun 2026 18:24:06 +0800</pubDate><description><![CDATA[该模型基于燃烧物理机理完成全域工况推演，输出的调节参数与实际燃烧状态高度契合，既能在常规工况下维持燃油经济性，也能在高负荷运转时优化燃烧效率，持续把控排放指标，适配日益严格的环保与能耗要求。工厂发电机组、车队动力系统等批量设备，往往存在同批次工艺缺陷、同款部件老化规律等共性问题。从日常状态监测、动态参数优化，到集群设备管理与维修校验，Deepoc低幻觉数学大模型凭借高可信的运算能力，补齐了发动机全生命周期管理中的数据失真短板，让数据驱动的运维与优化模式落地，助力发动机行业提升运行可靠性、控制综合运营成本。]]></description><category></category></item><item><title><![CDATA[VLA多模态融合 机械狗实现野外复杂地形自主作业]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/162074365</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/162074365</guid><author>Deepoch</author><pubDate>Wed, 17 Jun 2026 18:19:29 +0800</pubDate><description><![CDATA[VLA视觉模块依托多传感器融合感知，可全面解析野外地貌特征，精准区分草地、碎石坡、泥泞洼地、冰雪路面等不同地表形态，同时识别陡坡、沟壑、倒伏枝干、小型落石等天然障碍。系统会对地形坡度、地表摩擦力、路面承载力进行综合研判，构建全域地形语义地图，为行进路线规划提供完整的数据支撑，摆脱固定导航模式对规整路面的依赖。整体而言，VLA架构打通感知、交互、运动控制的全链路，让机械狗突破室内与受限空间的应用边界，从容应对野外多样、复杂且无规则的地形环境，进一步拓展四足机器人在户外科考、巡检、应急等领域的应用价值。]]></description><category></category></item><item><title><![CDATA[VLA多模态架构加持 采摘机器人实现精细化智能采收]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/162039277</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/162039277</guid><author>Deepoch</author><pubDate>Tue, 16 Jun 2026 16:03:35 +0800</pubDate><description><![CDATA[VLA视觉模块具备精细化图像解析能力，不仅能够精准定位藤蔓、枝头、地表等不同位置的果蔬，还可结合色泽、大小、表皮状态综合判断果实成熟等级，同时识别虫蛀、磕碰、畸形等缺陷果。在大面积连片种植基地，可按照规划路线稳步推进，维持稳定作业效率。面对分批采收、择株采摘等定制化需求，系统无需重新改写程序，就能快速解读指令并更新作业方案，灵活应对田间临时调整的工作安排。整体来看，VLA架构打通了感知、交互与执行的完整链路，让采摘机器人摆脱固定程序的限制，以更智能、更精细的作业方式，适配现代农业规模化、差异化的采收需求。]]></description><category></category></item><item><title><![CDATA[VLA多模态驱动 机械臂扫地机实现分区作业与长效运维]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/162039214</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/162039214</guid><author>Deepoch</author><pubDate>Tue, 16 Jun 2026 16:01:34 +0800</pubDate><description><![CDATA[VLA视觉模块可完成全屋空间语义划分，自动区分客厅、卧室、厨卫、玄关等功能区域，并结合地面材质、使用频率标注区域属性。针对瓷砖、木地板、地毯等不同地面材质，系统会自主匹配吸尘、干擦、湿拖等差异化清洁模式，同时依据人流活动频次，划分高频清扫区与低频维护区，形成全屋常态化清扫方案，无需人工反复设置分区任务。视觉传感可实时观察滚刷、滤网、拖布的脏污与损耗情况，结合运行数据判断水箱余量、机身电量，当耗材需要更换、部件需清理或电量不足时，主动发出提示，并合理规划返程回充、归位路径，保障设备持续稳定运转。]]></description><category></category></item><item><title><![CDATA[VLA多模态能力赋能智能轮椅 实现复杂环境自主通行]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/162012330</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/162012330</guid><author>Deepoch</author><pubDate>Mon, 15 Jun 2026 17:40:48 +0800</pubDate><description><![CDATA[面对户外街巷、商圈步道、园区道路等路况多变的场景，系统能够实时识别台阶、减速带、积水区域、临时障碍物等路面要素，结合空间尺寸自动调整行进速度与行进模式，规避通行风险。在户型复杂的房间、宽窄不一的楼道内，系统依托视觉测距与空间建模，灵活完成原地转向、侧身通行、精准对位停靠等动作，适配居家日常出行、室内活动等基础需求。Deepoc具身模型开发板搭载的VLA视觉-语言-动作架构，重塑了智能轮椅的环境感知与自主操控能力，聚焦物理空间通行、人机交互与动态路况适配，拓展轮椅的适用场景与使用安全性。]]></description><category></category></item><item><title><![CDATA[VLA多模态架构赋能无人机 拓展全域智能巡检应用]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/162012247</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/162012247</guid><author>Deepoch</author><pubDate>Mon, 15 Jun 2026 17:38:01 +0800</pubDate><description><![CDATA[面对山林、城郊、厂区等复杂空域，可自主规避树木、线缆、临时构筑物等障碍，根据海拔、气流变化实时调整飞行姿态与速度，保障飞行稳定。VLA视觉模块可完成大范围场景精细化识别，不仅捕捉地形、建筑、植被等基础轮廓，还能区分设施构件、异常痕迹、环境隐患等细节信息，同步完成全域场景语义建模，为飞行规划提供完整环境数据支撑。语言交互模块支持现场人员以自然语言下发巡查指令，系统快速解析任务范围、重点观测目标与作业要求，无需提前编写复杂航点程序，灵活调整飞行路线与观测角度，适配临时增补的勘察任务。]]></description><category></category></item><item><title><![CDATA[Deepoc数学大模型夯实半导体设计验证的数据基准]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/161927443</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/161927443</guid><author>Deepoch</author><pubDate>Fri, 12 Jun 2026 14:47:44 +0800</pubDate><description><![CDATA[面对验证环节样本繁杂、边界工况多样的现状，低幻觉模型可精准区分有效数据与干扰噪声，即便在极限工况、罕见交互场景下，也能保持推理逻辑稳定，客观反馈设计存在的漏洞，减少重复迭代次数，提升验证工作的整体效率。无论是精密的模拟芯片，还是逻辑复杂的数字芯片，其低幻觉特性都能维持输出结果的一致性，弱化研发过程中因模型误差带来的不确定性。在芯片前端设计与全流程验证环节，数据偏差与无效推演长期困扰行业发展，Deepoc数学大模型凭借低幻觉特质，为半导体研发全流程构建起严谨的数据推演体系，有效弥补传统仿真工具的短板。]]></description><category></category></item><item><title><![CDATA[Deepoc具身模型架构赋能除草机器人]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/161927379</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/161927379</guid><author>Deepoch</author><pubDate>Fri, 12 Jun 2026 14:46:03 +0800</pubDate><description><![CDATA[针对大棚、梯田、零散菜地等碎片化作业场景，机器人依靠本地语义推理独立完成全流程作业，无需依赖云端信号与预设作业图纸，保障作业连续性与稳定性。从作业精细化角度来看，依托语义感知能力，机器人可依据杂草生长密度、品类差异区分作业优先级，对作物幼苗周边采取轻柔作业方式，对杂草密集区域提升作业强度，实现分类、分区的精细化除草。Deepoc具身模型开发板搭载的VLA视觉-语言-动作一体化架构，重构了除草机器人的田间作业逻辑，依托端侧多模态融合能力，打破传统设备感知、决策、执行相互割裂的局限，适配多样农田作业环境。]]></description><category></category></item><item><title><![CDATA[Deepoc VLA开发板：机械狗本体感知与受限空间穿行]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/161892120</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/161892120</guid><author>Deepoch</author><pubDate>Thu, 11 Jun 2026 13:44:39 +0800</pubDate><description><![CDATA[巡检班长说"从那个600的检修口钻进去，查里面第二个接线盒有没有进水"，这句话的语义核心不是坐标，而是身体尺度约束（"钻"暗示需降姿态）、空间目标（"第二个接线盒"）和检查项（"有没有进水"）。模型不是输出"前方有障碍"这种二值结论，而是输出"可通行性概率+最优通过姿态+最小间隙余量"的连续估计，让决策从"停/走"变成可量化的风险评判。VLA系统把"松脱岩块（可能掉落）""积水深度""顶板下沉量"都当作语义风险层，叠加本体稳定裕度计算（四足触地质量分布），决定"继续前探/退至稳定块/等待"。]]></description><category></category></item><item><title><![CDATA[Deepoc低幻觉模型：发动机仿真预测的可信度底座]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/161892013</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/161892013</guid><author>Deepoch</author><pubDate>Thu, 11 Jun 2026 13:42:11 +0800</pubDate><description><![CDATA[Deepoc数学大模型的核心特性——“低幻觉”，正是为打破这一困局而生，其本质是建立一个与物理现实高度对齐的高可信度预测基准，使仿真结果真正具备指导工程决策的权威性。例如，在预测一种全新涂层材料的隔热性能时，它能基于材料的热导率、比热容等基本物理属性，给出符合物理规律的合理区间估计，而非产生看似精确实则无据的“幻想数值”。•   将仿真从“参考”升级为“决策依据”：在概念设计阶段评估新型燃烧室方案时，工程师敢于依据低幻觉模型的预测结果，直接淘汰物理上不可行的方案，而无需等待昂贵的单缸机试验验证。]]></description><category></category></item><item><title><![CDATA[Deepoc VLA开发板：机械臂扫地机的实时交互与精细空间操作]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/161868349</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/161868349</guid><author>Deepoch</author><pubDate>Wed, 10 Jun 2026 18:34:01 +0800</pubDate><description><![CDATA[Deepoc具身模型开发板集成的VLA（视觉-语言-动作）架构，其核心在于为设备提供了实时解析高动态场景语义、理解并执行即时性复合指令、并实现精细空间避障与操作的能力，使其从执行固定计划的“自动设备”，转变为可进行现场交互与微调操作的“响应式智能体”。在规划机械臂伸展、收缩或转向的动作时，能够实现亚厘米级的动态避障。VLA系统能识别“实木地板”材质，并将“最低湿度”、“轻轻擦拭”的语义约束，转化为对水箱泵、拖布转速和下压力的精确参数控制，从而执行符合用户特定保养需求的个性化清洁服务。]]></description><category></category></item><item><title><![CDATA[Deepoc VLA开发板：采摘机器人的环境鲁棒作业与不确定性应对]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/161868297</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/161868297</guid><author>Deepoch</author><pubDate>Wed, 10 Jun 2026 18:29:42 +0800</pubDate><description><![CDATA[在真实农业生产中，采摘机器人面临的最大挑战并非来自目标本身，而是来自环境的高度不确定性：光照强度的剧烈变化、枝叶遮挡导致的视野中断、风雨引起的植株晃动，以及地形起伏造成的平台姿态扰动。因此，Deepoc VLA开发板通过赋予采摘机器人对环境不确定性的实时感知、预测与自适应补偿能力，其核心价值在于将自动化采收的适用范围从理想的受控环境，拓展至真实农业生产中充满光照变化、机械扰动与地形波动的非理想工况。该系统的关键在于，VLA模型将环境扰动视为可量化、可预测的变量，并将其纳入实时决策与控制闭环。]]></description><category></category></item><item><title><![CDATA[Deepoc VLA开发板：无人机近距接触式精细作业与贴壁导航]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/161835576</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/161835576</guid><author>Deepoch</author><pubDate>Tue, 09 Jun 2026 16:58:50 +0800</pubDate><description><![CDATA[一句话总结：在这类任务里，Deepoc VLA开发板的贡献不是让无人机"更会飞"，而是让它在近距、慢速、强扰动、表面不规则的条件下，仍然能把"看见了什么（V）—你说的要看什么（L）—该怎么轻轻碰到又不砸上去（A）"串成一条可信闭环；VLA语义把"铝框—硅酮胶—玻璃"区分开，让无人机沿框格做贴面横移，在"胶缝开裂/压板锈蚀/排水孔堵塞"处自动停稳、多视角环绕复拍，并按工程师口头指令（"再往左上挪三十，看那道水迹起点"）二次精确到位，形成"指哪到哪"的现场级交互，而不是回办公室拿GPS坐标重飞。]]></description><category></category></item><item><title><![CDATA[Deepoc VLA开发板：智能轮椅的社会规则理解与合规导航]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/161835533</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/161835533</guid><author>Deepoch</author><pubDate>Tue, 09 Jun 2026 16:56:59 +0800</pubDate><description><![CDATA[Deepoc具身模型开发板所集成的VLA架构，其核心在于赋予轮椅实时解读并遵从环境社会规则的能力，使其移动不仅安全，而且得体、自然，能够无缝融入复杂的人机共融社会场景。例如，用户指令“挤过去”在拥挤的挂号队伍前是不合适的。•   康复中心训练大厅的安全伴随与规则遵守：在多人同时进行康复训练的大厅，存在许多非成文的规则，如“绕行训练中的步行道”、“不在器械区长时间停留”。这使其移动从基于物理规则的“安全导航”，升维至融入社会语境的“合规导航”，最终在提升使用者独立性的同时，也保障了其社会活动的流畅性与尊严。]]></description><category></category></item><item><title><![CDATA[Deepoc低幻觉模型：破解半导体研发中的预测信任危机]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/161807143</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/161807143</guid><author>Deepoch</author><pubDate>Mon, 08 Jun 2026 20:14:03 +0800</pubDate><description><![CDATA[传统研发严重依赖仿真与测试，但工具链的预测结果常与流片后的实测数据存在难以解释的偏差，即“预测幻觉”，这导致决策在不确定性中进行，推高了成本与周期。Deepoc数学大模型以其核心的“低幻觉”特性，旨在构建一个高度可信的量化决策基准，通过确保数学模型输出与物理现实及制造数据的高度一致，系统性破解研发中的信任难题，提升创新效率。它通过将决策从依赖经验与存在偏差的工具，转向依赖与物理现实紧密对齐的数学模型，从而在逼近物理与工艺极限的进程中，显著降低了创新的试错成本与不确定性风险。]]></description><category></category></item><item><title><![CDATA[Deepoc VLA开发板：除草机器人的持续学习与协同作业系统]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/161807096</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/161807096</guid><author>Deepoch</author><pubDate>Mon, 08 Jun 2026 20:10:54 +0800</pubDate><description><![CDATA[传统除草机器人的作业逻辑多基于预设的识别模型与固定策略，难以适应农田环境随作物生长、季节更替而产生的渐进式变化，亦无法在规模化作业中实现多机间的智能协作。Deepoc具身模型开发板所集成的VLA（视觉-语言-动作）架构，其核心在于为机器人赋予了在边缘端进行持续学习与模型优化的能力，并支持基于环境语义理解的多智能体协同决策，从而将除草作业从执行静态程序的自动化设备，升级为能够长期演进、协同响应复杂任务的自主系统。该能力的关键在于，VLA系统能在终端直接处理数据闭环，实现模型的在线优化与多机间的知识共享。]]></description><category></category></item><item><title><![CDATA[Deepoc VLA开发板：实现采摘机器人动态生物适应与精准作业]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/161717821</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/161717821</guid><author>Deepoch</author><pubDate>Fri, 05 Jun 2026 13:22:59 +0800</pubDate><description><![CDATA[Deepoc具身模型开发板所集成的VLA（视觉-语言-动作）架构，其核心在于为机器人构建了一套能够实时量化并响应生物对象动态状态的感知-决策-执行闭环系统，使其作业从基于模板的“识别-抓取”，转变为基于实时生物特征理解的“评估-交互”。机器人需在避免碰落邻近果实的前提下，精准分离出目标果实。它将采收作业从对固定生物特征的响应，提升为对连续变化生物状态的量化理解与自适应交互，从而能够在尊重生物对象自身规律的前提下，实现更精准、更高效、损伤更低的自动化采收，契合现代农业对精细化生产的需求。]]></description><category></category></item><item><title><![CDATA[Deepoc VLA开发板：机械臂扫地机的长期空间记忆与任务规划]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/161717732</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/161717732</guid><author>Deepoch</author><pubDate>Fri, 05 Jun 2026 13:20:47 +0800</pubDate><description><![CDATA[Deepoc具身模型开发板集成的VLA（视觉-语言-动作）架构，其核心在于为设备构建了持续演进的环境语义地图与基于长期记忆的任务规划能力，使其能够理解空间的功能属性、记录环境的变化历史，并据此自主制定与调整长期清洁策略，实现从“单次反应式清洁”到“长期规划式维护”的转变。VLA系统能理解时间周期、事件触发与清洁模式的关联，并自主管理该计划的执行状态，在正确的时间、基于正确的事件触发、采用正确的模式进行清洁，形成一个完整的家庭地面维护日历。这使其清洁决策能基于空间的实际使用状况，而非静态的户型图。]]></description><category></category></item><item><title><![CDATA[Deepoc VLA开发板：智能轮椅的闭环环境理解与自主寻径]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/161653205</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/161653205</guid><author>Deepoch</author><pubDate>Wed, 03 Jun 2026 12:48:50 +0800</pubDate><description><![CDATA[随后，它并非简单地直线导航至坐标点，而是结合对现场排队人群分布的理解，生成一条最终抵达队列尾部的平滑、合理的排队路径，实现了从抽象意图到具体、社会化的可执行路径的转换。轮椅需理解各类标志牌、跟随动态变化的指示（如临时登机口变更广播），并在繁忙的、带有行李车的人群中规划出高效、礼貌的通行路径。轮椅需要理解建筑的整体语义分区，在密集的书架或展柜间自主规划一条覆盖性的、安静的游览路径，同时能主动避让驻足观看的人群，并在用户对某个展品表现出兴趣（如长时间凝视）时自动平稳停下。在通过突然打开的门时，短暂停顿观察。]]></description><category></category></item><item><title><![CDATA[Deepoc VLA开发板：无人机群体协同与无网络自主作业核心]]></title><link>https://blog.youkuaiyun.com/Deepoch/article/details/161653143</link><guid>https://blog.youkuaiyun.com/Deepoch/article/details/161653143</guid><author>Deepoch</author><pubDate>Wed, 03 Jun 2026 12:47:13 +0800</pubDate><description><![CDATA[这使得无人机系统能够在通信受限、环境动态、任务复杂的极端场景下，依然保持高度自主、协同与鲁棒的作业能力，拓展了无人系统的应用边界与效能上限。在作业中，若某机因故退出，其未完成区域的语义描述会被释放，其他空闲或即将完工的无人机会自主竞标承接，实现集群任务的弹性自组织与高鲁棒性完成。基于VLA的协同能力使得它们不仅能各自避障，还能通过交换意图预测彼此的轨迹，形成流畅的“空中交通流”，避免在交叉路口发生拥堵或危险接近，大幅提升区域内的整体配送效率与安全。每架搭载开发板的无人机都是一个完整的VLA智能体。]]></description><category></category></item></channel></rss>