公司动态与战略 - 加州大学洛杉矶分校副教授周博磊正式加入机器人初创公司Coco Robotics，专注于解决人行道自动驾驶难题 [2] - Coco Robotics联合创始人兼CEO Zach Rash宣布成立Physical AI Lab，并由周博磊担任首席AI科学家 [3] - Coco Robotics成立于2020年，是一家专注于“最后一公里”配送的机器人初创公司，早期依赖远程操作员协助机器人规避障碍 [4] - 公司成立Physical AI Lab旨在深入挖掘其机器人车队在真实世界中采集的大量运行数据，以推进自动化研发 [4][5] - 公司目标为实现机器人在“最后一公里”配送中的完全自动驾驶，从而降低整体配送成本 [5] - 公司已在最复杂的城市环境中积累了数百万英里的数据，数据规模已达到可加速Physical AI研究的临界点 [7] - Physical AI Lab是独立于Coco Robotics与OpenAI合作关系的独立研究项目 [8] - 公司计划将实验室的研究成果用于提升自身自动化水平与运行效率，并应用于其机器人所依赖的本地模型，暂无出售数据给同行的打算 [9] - 公司计划在适当情况下向运营城市分享研究成果，以协助改善道路障碍与基础设施 [9] 核心人物背景 - 周博磊本科毕业于上海交通大学，硕士毕业于香港中文大学，并于2018年在麻省理工学院计算机科学与人工智能实验室获得博士学位 [12] - 其职业生涯包括曾任香港中文大学助理教授，现任UCLA计算机科学系副教授并兼任计算医学系教职，是UCLA周实验室负责人 [12] - 研究方向为机器感知和智能决策，重点是通过学习可解释、结构化的表征，使机器能够在复杂环境中感知、推理和行动 [14] - 在人工智能顶级会议和期刊发表百余篇学术论文，总引用数超过6万次，h-index为78，i10-index为137 [15] - 其一篇一作论文《Learning deep features for discriminative localization》引用接近13929次 [15] 技术专长与贡献 - 周博磊在计算机视觉和机器人领域的研究聚焦于小型出行设备，与Coco Robotics专注于人行道自动驾驶的定位高度契合 [7] - 其核心贡献之一是提出类别激活映射技术，能够可视化卷积神经网络在进行图像分类时所关注的具体区域，对可解释性人工智能领域影响深远 [16] - 在CAM基础上进一步提出网络剖析研究方法，能自动识别和量化神经网络中单个神经元所代表的语义概念 [19] - 领导创建了Places数据库，一个包含超过1000万张已标注场景照片的资源库，为场景识别任务训练强大的深度卷积神经网络树立了行业基准 [21] - 参与构建了用于场景解析的ADE20K数据集，提供对场景、物体及其部件的像素级标注，对机器人导航等应用至关重要 [23]

公司战略与实验室成立 - 加州大学洛杉矶分校副教授周博磊加入机器人初创公司Coco Robotics，并担任新成立的Physical AI Lab的首席AI科学家 [1] - Coco Robotics成立于2020年，专注于解决“最后一公里”配送的自动驾驶难题，其长期目标是实现完全自动驾驶以降低配送成本 [2] - 公司已积累真实世界数百万英里的运行数据，数据规模达到临界点，认为可以加速Physical AI的研究进展 [4] 技术基础与数据合作 - 公司早期依赖远程操作员协助机器人规避障碍，如今计划深入挖掘其机器人车队采集的大量运行数据以推进自动化研发 [2] - Coco Robotics与OpenAI有独立合作关系，允许Coco使用OpenAI的模型，同时OpenAI的研究实验室能访问Coco机器人采集的数据，但Physical AI Lab是独立于此合作的研究项目 [5] - 公司计划将实验室的研究成果用于提升自身自动化水平与运行效率，主要应用于其机器人所依赖的本地模型，暂无出售数据给同行的打算，但可能向运营城市分享研究成果以改善基础设施 [6] 核心人物背景与研究方向 - 周博磊本科毕业于上海交通大学，硕士毕业于香港中文大学，2018年在麻省理工学院计算机科学与人工智能实验室获得博士学位，现任UCLA计算机科学系副教授 [9] - 他的研究方向为机器感知和智能决策，重点是通过学习可解释、结构化的表征，使机器在复杂环境中感知、推理和行动 [11] - 他在人工智能顶级会议和期刊发表百余篇论文，总引用数超过6万次，h-index为78，其中一篇一作论文引用接近14000次 [12] 关键技术贡献与影响 - 周博磊提出的类别激活映射技术能有效可视化卷积神经网络在图像分类时关注的具体区域，对可解释性人工智能领域产生深远影响 [13] - 他进一步提出了网络剖析方法，能自动识别和量化神经网络中单个神经元所代表的语义概念，有助于理解整个模型内部知识的表征方式 [16] - 他领导创建了Places数据库，包含超过1000万张已标注场景照片，为场景识别任务训练强大的深度卷积神经网络树立了行业基准 [18]