1月6日CES 2026展会上，奥比中光(688322)颁布专为机械臂腕部设计的超幼型双目3D相机Gemini 305，并正式颁发其面向机械人的标志性产品Gemini 330系列相机已实现与先进算力平台NVIDIA Jetson Thor的适配 。同时，公司还初次展示了可支持全球客户的中国顺德与越南双工厂造作系统，打造机械人视觉产业生态 。
Gemini 305体积幼巧，仅42mm×42mm×23mm，沉68克 。在15厘米处可实现亚毫米级深度精度，成像领域4至100厘米 。其视场角阐发优异，在20厘米处可清澈鉴别8.6cm×5.4cm的物体，机能超过国际同类产品 。在机械臂腕部这一关键地位，每一度视野的提升都能让机械人更活络 。
据悉，该相机预设多种数据流模式，可一键切换“深度+彩色”或“双路彩色”输出 。“深度+彩色”模式两全空间感知与能效；而“双路彩色”模式则强化语义理解 。这种矫捷性让每帧数据都精准服务于算法 。针对机械臂高频运动场景，奥比中光同步推出Gemini 305g，选取GMSL2和FAKRA衔接器，确保线缆耐久，数据传输更不变 。
据相识，目前主流腕部3D相机普遍存在近距机能弱、视场角幼、模式单一等问题 。以某主流产品为例，其最近工作距离为7厘米，视场角仅87°×58°，且无法切换成像模式 。
奥比中光销售副总裁Mike McSweeney暗示：“Gemini 305将最近成像距离近至4厘米，感知盲区削减了43% 。结合超大视场角与可切换数据流，它在近距精密作业中显著提升感知能力，为藐幼零件鉴别、柔性抓取及人形机械人提供梦想视觉规划 。”
随着NVIDIA Jetson Thor平台进入量产，机械人产业正迈入千TOPS级边缘算力新时期 。奥比中光颁发，其Gemini 330系列双目3D相机已实现与NVIDIA Jetson Thor系统级�？椋⊿oM）的全面适配与验证 。
奥比中光泛机械人产品中心产品总监李威博士暗示：“NVIDIA Jetson Thor壮大的AI算力，必要与之匹配的高质量视觉数据作为燃料 。Gemini系列与Jetson Thor平台的深度协同，为具身智能利用提供了从感知到决策的齐全视觉推算规划，将加快人形机械人、先进AMR等前沿领域的创新与利用落地 。”
机械人整机造作能力在成为奥比中光服务全球客户的主题优势 。这次CES上，奥比中光展示了中国与越南双工厂造作布局，以及覆盖从新产品导入（NPI）到大规模量产的全流程服务能力，面向全球机械人企业提供“研发+造作”一体化实力 。
据悉，奥比中光位于顺德的智能造作基地具备千万级传感器及百万级机械人终端量产能力 。奥比中光越南工厂预计于2026年5月投产，提供矫捷的OEM服务、代料采购和可造作性设计（DFM）的分析服务，与顺德基地形成协同分工，进一步提升全球交付效能与供给链韧性 。
《妻子俱乐部》免费阅读张雅茹【环球时报特约记者 陈立非 环球时报记者 陈子帅】以色列和伊朗爆发的冲突已经进入第8天，美国是否会下场介入成为世界关注的焦点。美国总统特朗普表示，将在两周内决定是否对伊朗采取行动。而为了拱火美政府动手打伊朗，美媒竟扯上了台湾。30分钟后，大量高速粒子从太阳向外喷出，如同无数个霰弹弹丸，密集的小白点出现在日冕仪的监测画面上，随着时间推移远离太阳。《妻子俱乐部》免费阅读张雅茹《放课后的体育课》第一季北京理工大学法学院教授、博士生导师徐昕向潇湘晨报记者表示，强奸案的定性比较复杂，案件发生的环境只是其中一个方面，但具体的定性要结合在案的证据确定。平常懒得上粉底的话，我会 用完防晒直接上粉饼，也能起到一点遮瑕提亮的作用，遮瑕度30%左右~之前用散粉开闪光灯拍照脸上会一块一块嘟， 用它不会， 俺都把它当散粉用了。 ▼
20260409 ? 《妻子俱乐部》免费阅读张雅茹同时，地缘政治紧张局势对黄金市场的影响显现：部分央行计划将更多黄金储备存放在国内，而非伦敦和纽约——这两个城市是全球最大的黄金储备中心。《金瓶梅电视剧全集电视剧在线看高清》美国总统特朗普17日晚告诉自己的高级助手，他已经批准了对伊朗的攻击计划，但暂时还不会采取行动，将继续观察伊朗是否愿意放弃其核计划。美媒称，虽然五角大楼声称其现在往中东方向的军事集结是出于防御目的，但如果特朗普最终决定下场帮以色列攻打伊朗，这些准备将对美国有利。不过，报道分析称，这一系列军事举动也有可能是美国对伊朗的施压手段。
20260409 ? 《妻子俱乐部》免费阅读张雅茹到底是家什么样的门店能让大量顾客冒雨前去抢购？是否存在大量黄牛？该工作人员表示不清楚。但很显然Labubu几乎全线溢价。限量发售的VAS联名款炒至15200元，溢价数十倍，冷门款也大幅溢价。《日本大片又大又好看的PPT档案怎么做》尽管稀疏性传统上要么用于小模型的正则化，要么用于在参数过多的网络中减少计算量，但本次研究引入了一个根本不同的视角——稀疏性能够成为实现高效可扩展测试时计算的核心使能技术。与此同时，本次研究强调了在建立可扩展性定律的实际认知过程中，必须同时考量硬件因素与模型架构的重要性。
京公网安备11010202000001号
