微软发布 Physical AI Toolchain 的推理卸载功能
微软在其开源框架 Physical AI Toolchain 中增加了面向机器人的推理卸载功能。研究表明,将物理 AI 推理从机器人板载 GPU 卸载到边缘或云端,能显著提升任务成功率、支持运行更大模型,并大幅延长电池续航时间。该工具集基于 Kubernetes,支持容器化部署和智能策略分发,并已提供针对 SO-101 和 UR10e 机器人的示例项目。
微软在其开源框架 Physical AI Toolchain 中增加了面向机器人的推理卸载功能。研究表明,将物理 AI 推理从机器人板载 GPU 卸载到边缘或云端,能显著提升任务成功率、支持运行更大模型,并大幅延长电池续航时间。该工具集基于 Kubernetes,支持容器化部署和智能策略分发,并已提供针对 SO-101 和 UR10e 机器人的示例项目。
Microsoft Research 开源了逆合成预测模型 RetroChimera,其通过集成 R-SMILES 2 和 NeuralLoc 两个互补模型来提升预测质量。在盲测中,博士级化学家更青睐 RetroChimera 提出的单个反应预测。该模型已开源实现和权重,旨在加速新药和先进材料的研发。
GigaPath-Flash 和 GigaTIME-Flash 以大幅提升的效率扩展了 GigaPath 和 GigaTIME 模型系列,使大规模病理学研究更易实现。GigaPath-Flash 采用 22M 参数的蒸馏 ViT-S 编码器,在保持性能的同时将推理计算成本降低约 50 倍。这些开源模型支持群体规模发现,帮助研究人员分析更大患者队列并进行重复实验。