FedEx 与 Dexterity 在 Hagerstown 枢纽扩大 Foresight 与 Mech 自动装车系统部署
FedEx 与 Dexterity 宣布扩大合作，在马里兰州 Hagerstown 枢纽规模化部署 Dexterity 的 Foresight 世界模型和 Mech 双臂装车系统，此前该技术已在试点站点完成多年联合开发、测试与运营验证。
推荐理由：原文给出从试点到大型枢纽的生产级部署细节，可帮助读者了解物理 AI 在物流装卸场景的实际落地方式。
公司与产品
Dexterity 最新动态
Dexterity的机器人产品、模型、研究、融资、应用与合作动态。
4 条精选近 30 天 0 条共收录 8 条
更新
Dexterity的精选
Dexterity精选AI 评分6464
Dexterity精选AI 评分6262 Dexterity发布触觉智能系统Instinct
Dexterity宣布推出触觉智能系统Instinct，以500–2000 Hz读力和0.5–2 ms反应速度在产线完成力引导装箱，中位放置时间4.55秒，全队成功率81%（95% CI 75%–86%，854次放置抽样）。无法完成的放置会快速识别并交回Foresight世界模型换角度或换位置重试，同一技能跨不同机械臂硬件保持一致表现，并可泛化到不同材质物体。
推荐理由：官方公布了生产环境实测数据与力引导操作架构细节，读者可以据此了解触觉技能如何与Foresight世界模型协同恢复。
Dexterity精选AI 评分6060 Dexterity 详解 Foresight 装箱智能体的评测方法与生产指标
Dexterity 发文介绍 Foresight 装箱智能体的系统评测与生产测量。规划侧在四组真实仓库箱型分布上测试，密度 0.65–0.77、稳定性 99.7–100%，并用无分布顺序统计量给出 95% 置信区间；文中还发现随机打乱箱子序列会使局部方差坍缩约 1.4 倍，导致评测偏乐观。
推荐理由：原文完整披露装箱智能体的评测方法，包括无分布置信区间和随机打乱带来的评测偏差，方法可迁移到同类系统。
Dexterity精选AI 评分6666 Dexterity 借助 NVIDIA 将 Foresight 视觉感知提速17倍，从1508ms降至90ms
Dexterity 介绍其世界模型 Foresight 的视觉感知管线经 NVIDIA 加速后，每周期延迟从1508ms降至90ms，提速17倍。
推荐理由：原文分阶段给出管线各环节的延迟数据和优化手段，机器人研发者可以参考其GPU加速思路迁移到自己的感知系统。