Robot Material Handling: 2026 Automation Guide
2026年机器人物料搬运指南：如何自动装载、分拣和转移，哪种类型适合每项任务，以及如何确定有效负载和到达范围的大小。机器人物料搬运：2026年自动化指南首次出现在EVST。
自动反冲洗过滤器工作原理 自动反冲洗过滤器是一种用于船舶和工业应用的自清洗过滤系统，用于去除燃油、润滑油、海水和冷却水等液体中的污垢、铁锈、污泥和其他固体杂质。这些过滤器广泛用于船上，因为它们可确保持续清洁的流体供应[…]后自动反冲洗过滤器首先出现在商船解码中。
How two UCLA engineering students built a self-playing piano that can do the impossible
“这不可能行得通，”即将毕业的大四学生卡琳娜·本德 (Karina Bender) 和乔治·格里戈里安 (George Grigoryan) 认为。他们从肖邦开始，剩下的就是历史了。
Why did the self-driving car crash? New AI tool may finally have the answer
随着自动驾驶汽车在城市街道上变得越来越普遍，一个重要的问题仍然难以回答：为什么它们有时会发生碰撞？现在，伦敦国王学院的研究人员开发了一种新的人工智能方法，可以帮助揭示涉及自动驾驶汽车的特定事故背后的确切原因。该技术可以提高安全性并帮助建立[...]帖子 为什么自动驾驶汽车会发生事故？新的人工智能工具可能终于有了答案，首先出现在 Knowridge Science Report 上。
How to build self-driving AI operations on Amazon Bedrock at scale
在这篇文章中，我们介绍 Amazon Bedrock Ops Alert，这是一种三层自动化监控解决方案，可主动检测操作问题、动态调整警报阈值、按类别对警报进行分类、自动创建上下文感知支持案例、在同一警报类别的未解决案例已处于活动状态时帮助防止重复案例，并向 AI SRE 团队提供情境化通知。我们将介绍解决方案架构以及如何将其部署在您自己的环境中。
在 CVPR 上，NVIDIA 推出了新的物理 AI 代理技能，可帮助研究人员和开发人员加快自动驾驶车辆、机器人和视觉 AI 系统的开发。物理人工智能研究的核心挑战不仅仅是开发更强大的模型。它正在围绕它们构建完整的工作流程 - 重建现实世界场景、生成边缘情况场景、训练策略、评估 [...]
NVIDIA Research Unlocks Advanced Grasping, Smarter Autonomous Driving and Agent Training at Scale
机器人抓手的有用之处不是它可以拾取一个物体，而是它可以使用以前从未握住过的工具拾取下一个物体，以及再下一个物体。自动驾驶汽车系统的安全性不仅仅在于它能够对情况进行推理，还在于 [...]
Robotiq Launches IQ to Make Palletizing Automation Faster and More Predictable
大多数想要实现码垛自动化的制造商都面临着同样的问题。在任何人做出任何承诺之前，要得到关于它是否适合他们的操作、成本是多少以及需要多长时间的直接答案总是需要数周的来回、工程时间和现场访问。这就是 Robotiq 构建 IQ 来解决的问题。
Robotiq Introduces IQ Platform to Automate Robotic Workcell Integration
支持 AI 的 IQ 平台可帮助制造商快速将非结构化项目数据、3D 站点扫描和生产要求转换为经过验证的机器人工作单元设计
56% компаний нужны ИИ-агенты для автоматизации офисной рутины
Salyut for Business（Sber 集团旗下）分析了俄罗斯企业对人工智能代理开发的需求。
ANA Holdings backs Phoxter to expand automation across aviation operations
日本最大的航空集团全日空控股 (ANA HD) 于 2026 年 5 月 29 日宣布投资……全日空控股支持 Phoxter 扩大航空运营自动化的帖子首先出现在 AeroTime 上。
Why Do Palletizing Automation Projects Fail? 5 Pitfalls and How to Fix Them
码垛自动化是生产线末端操作中最明显的胜利之一。投资回报率是真实的，劳动力的节省是立竿见影的，而且技术是成熟的。然而，许多制造商却停滞不前，他们花了几个月的时间来完成原本需要几周时间的项目，或者部署了在演示中工作但在生产车间中举步维艰的系统。好消息是：大多数失败都遵循可预测的模式。以下是我们反复看到的五个陷阱，以及如何避免它们，以历史悠久的意大利面粉生产商 Molino Merano 如何将紧张的车间、人员配备问题和不断增长的产品线转变为 14 个月的投资回报来说明。
-Slamcore 已将其总资金增加至 4000 万美元，并展现出快速的市场吸引力，在不到两年的时间内扩展到 30 多个设施中的数百个单位。-该公司的 Slamcore Aware 和警报解决方案利用专有的 AI 和立体摄像头来提供即时的现场安全和车队效率改进，而无需昂贵的设施改造或额外的基础设施。-通过大规模跟踪真实世界工业环境中的车辆，Slamcore 正在生成作为下一代物理 AI 的关键构建块所需的大量数据集。
Waymo co-CEO Tekedra Mawakana outlines vision for a world of autonomous vehicles
Mawakana 在上周的一次演讲中强调了承诺和根深蒂固的雄心。Waymo 联合首席执行官 Tekedra Mawakana 概述了自动驾驶汽车世界的愿景，该文章首先出现在《斯坦福日报》上。
Automate AML alert triage with Amazon Quick and Snowflake Cortex AI
这篇文章展示了通过自动化金融服务中劳动最密集的工作流程之一来实现集成：反洗钱 (AML) 警报分类。您将使用 Amazon Quick Flows 和 Snowflake Cortex 构建分类工作流程，并通过 Amazon Quick Model Context Protocol (MCP) 集成进行连接。在我们的测试环境中，使用 Amazon Quick 构建的自动化工作流程将警报调查时间从 30-90 分钟减少到 5 分钟以下。实际结果可能会因警报复杂性和数据量而异。
