先了解这件事
2026年9月24日,微软在Physical AI Toolchain中新增机器人端外推理卸载能力,并发布首个针对机器人工作负载的系统性研究。该研究聚焦移动机器人操作任务,评估语义建图与规划、导航、操作三类模型在机载、边缘和云端算力配置下的表现。结果显示,卸载推理可提升响应时间与准确率并延长续航:在内存足够的GPU上,建图与规划相比A100最多慢383%;轻量GPU上导航的障碍物及时检测下降30%,VLA模型准确率下降50%;用Raspberry Pi-5替代机载GPU后,Jetson Thor等较大机载GPU最多消耗160%的电池。微软同时提供SO-101与UR10e示例项目,并演示将Rho模型推理卸载到Jetson Thor以控制Mobile Aloha机器人。
AI 根据公开报道生成
最新进展 · 正式报道
微软研究：将物理 AI 推理从机器人卸载到边缘与云端事件进展
1 个已确认进展
- 来源：Microsoft Research
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
9月24日
Microsoft Research一手
微软研究：将物理 AI 推理从机器人卸载到边缘与云端
微软研究院发布首个针对机器人工作负载的系统性研究，聚焦移动机器人操作任务，评估语义建图与规划、导航、操作三类模型在机载、边缘和云端算力配置下的表现。结果显示，卸载推理可提升响应时间与准确率并延长续航：在内存足够的 GPU 上，建图与规划相比 A100 最多慢 383%，轻量 GPU 上导航的障碍物及时检测下降 30%，VLA 模型准确率下降 50%；用 Raspberry Pi-5 替代机载 GPU 后，Jetson Thor 等较大机载 GPU 最多消耗 160% 的电池。微软同时在 Physical AI Toolchain 中加入物理 AI 推理卸载能力，提供 SO-101 与 UR10e 的示例项目，并演示将 Rho 模型推理卸载到 Jetson Thor 以控制 Mobile Aloha 机器人。