产品详细介绍 　　     

U等生涵盖大学英语四六级、留学语培、职业提升等服务，通过线上直播+录播，线下入校培训、答疑，科学合理安排培训中测、讲、练、答疑等各环节，一站式解决备考知识点和备考技巧的学习应用。

Ai视觉检测机器人是一款搭载了六轴工业机械臂、视觉人工智能和工业大模型的高科技设备，充分利用机械臂的多轴灵活运动、重复定位精度高等优势，主要用于复杂外形工业产品的缺陷检测，特别是汽车零配件、新能源、核电领域等高端制造、品控要求高的产品外观检测。

本研究使用疫情期间对334所高校在线教育的调查数据,将数字技术分为技术环境、技术知识和技术技能三类,采用多元排序Logit模型检验数字技术对大学生在线学习效果的影响。实证分析发现:(1)三类在线学习的教学技术均显著促进学生有效学习;(2)技术环境、技术知识和技术技能三者具有显著的依存关系;(3)大学生在线学习的技术支持存在"数字鸿沟"和"数字代沟"问题,而"数字学沟"问题并不明显;(4)在线教学互动中存在数字"反哺"行为,即在线教学情境下的学生对教师、高技术对低技术学生群体存在带动作用。最后,本文提出要实现"三个转变",即提升学生在线学习数字化生存素养、加强对弱势院校学生在线学习保障,以及促进师生和生生在线教学互动互助。

自主研发了双臂协作共融机器人“鲁班”。其中机器人控制器自主研发，采用EtherCAT总线通讯控制底层伺服，控制周期1ms。该机器人单臂具有7自由度、负载5kg、臂展750mm、重复定位精度±0.02mm，工具手最大线速度可达980mm/s，机器人的各项性能指标对照ABB YUMI机器人均达到同等技术水平。

对以金属薄板冲压件装配焊接起来复杂产品的制造，由于零件数量较多，结构复杂， 需要对焊接操作进行合理的分块并安排清晰的焊接顺序，才能高质量地完成产品的制造， 有利于对工艺流程进行合理的规划和物流通畅。根据装配顺序将产品零件分成多个级别， 在完成低一级零件总成的焊接之后，进行上一级的焊接。其分级情况如下：第一、二级 为总装车间总成。第三级：产品总成。第四级：装焊在第三级装焊线上的总成零件，如 车身焊接总成。第五级：装焊在第四级装焊线上的分总成零件。以下各级依次类推。上 一级零件是下一级的总成，各级别呈树状关系。应用本项技术可以合理配置机器人，缩 短该工位的生产周期，优化原有的规划方案。通过应用该机器人工位规划的优化方案， 在保证生产顺利进行的前提下减少焊接设备，降低规划成本。不但可用于点焊的补焊工 位，也适用于激光焊的补焊工位，提高规划的效率与合理性。

本成果在技术上构建了“医生在环”的融合系统，可发挥医生的经验和监督特性，基于增强导纳的省力操控，同时结合输入力交互与虚拟约束，实现基于阻抗模型的高精度稳定柔顺控制，提高交互过程的稳定性，在以人机协同开颅，人机协同整形场景下设计人机协同开颅手术机器人与人机协同整形机器人，研究成果具有广阔的应用前景。 一、项目分类 关键核心技术突破 二、技术分析 对比当前的立体定位手术机器人，人机协同手术机器人具有更直观的操作方式、操作过程中更加安全并且可以实现的功能更多。学术界广泛认为人机协同手术机器人将是未来机器人的一个主流方向。另外，人机协同手术机器人更容易被医生、患者接受，推广难度更低。本成果在技术上构建了“医生在环”的融合系统，可发挥医生的经验和监督特性，基于增强导纳的省力操控，同时结合输入力交互与虚拟约束，实现基于阻抗模型的高精度稳定柔顺控制，提高交互过程的稳定性，在以人机协同开颅，人机协同整形场景下设计人机协同开颅手术机器人与人机协同整形机器人，研究成果具有广阔的应用前景。

该平台包括多项核心技术和技术优势： （1）基于逻辑隔离机制的算力主机安全保护。实现了一种基于逻辑隔离机制的沙箱算力环境，能够独立于用户的系统进行计算。通过计算环境隔离、数据的存储隔离、网络环境的隔离，保障了算力运行环境独立于用户系统，互不干扰。 （2）多源异构数据的混合学习模型。提出一种基于深度学习的多源异构数据的混合学习模型，该模型通过深度学习进行不同数据源的特征提取，然后再通过深度学习的融合训练得到结果。 （3）高并发任务的调度。采取动态分配任务的机制，根据当前不同地区网络的传输速度，算力的分布情况，训练数据量的大小，根据制定的规则找到最合适的几个服务地点进行任务分配、数据传输以及分布式训练，最大化地利用当前算力资源。 （4）数据隐私保护。通过联邦学习、同态加密训练、区块链数据确权等方式加强对用户数据的保护。实现了一套基于同态加密和多方安全计算的训练系统，能够完全保护用户的数据隐私性。 （5）区块链记录及激励。“计算即挖矿”，系统根据用户提供的计算资源以及资源利用率来进行区块的奖励，算力越大获得的奖励也就越多。通过搭建的区块链可以记录数据的交互信息以及使用权，并可搭建智能合约平台。 该协作学习平台撮合各方业务和资源，包括算力、数据、模型，结合分布式机器学习、安全多方计算技术，提供保护隐私数据、算法模型前提下的协作学习服务，通过底层分布式账本记录，电子合约对接供需方，智能匹配资源对接，建立AI协作生态。具有以下优势：协作低成本、平台化；具备数据隐私保护，打破共享壁垒；后台底层账本对平台使用中产生的模型、数据、算力、广告收入等进行管理，保证数据可信；操作便捷，可提供定制化服务，高效最优匹配。02. 应用前景 该协作学习平台可用于人工智能、互联网广告、金融等领域，为中小型企业、科研机构或个人提供算力共享、数据共享、模型共享与模型开发等服务，具有广阔市场前景。03. 知识产权 已申请发明专利16项，登记软件著作权1项。04. 团队介绍 本成果团队长期研究区块链、人工智能、网络安全等。团队课题负责人为徐恪教授、博士生导师，清华大学计算机系副主任，国家杰出青年科学基金获得者，北京市卓越青年科学家。获得国家科学技术进步奖二等奖、国家技术发明奖二等奖，2011年获中国计算机学会青年科学家奖，是中国电子学会理事和中国计算机学会理事，曾在ACM SIGCOMM、IEEE/ACM TON、IEEE Communication Magazine等知名国际会议、期刊发表论文100余篇，近五年获得中国发明专利授权四十余项，获得美国发明专利8项。团队成员还包括多位教授、副教授、研究员和博士研究生。05. 合作方式 投融资 / 商务合作。06. 联系方式 邮箱：liuyi2017@tsinghua.edu.cn

如何及时感知学生的学习状态是中小学教育中的难点。传统课堂教学中，教师需要在讲课的同时观察数十名学生的学习状态，难以做到面面俱到；而在家庭练习中，父母陪同观察孩子既费时又会引起孩子的紧张和反感。针对这一应用需求和痛点，本项目计划研发一款能够自动及时感知中小学生的智能相机。该相机将采用人工智能和大数据的前沿技术，对中小学生的学习行为进行自动采集和分析，智能感知学习状态，并反馈给教师和家长进行参考，据此调整教学内容和形式，从而达到改善教学效果、提高学习成绩