幻燈片 1

一個為商業和國防應用提供類似人類的推理和自主權的人工智能平臺附錄 2024 年 8 月 99.2 日

幻燈片 2

免責聲明本演示和任何相關的口頭陳述包含1995年《私人證券訴訟改革法》所指的前瞻性陳述，包括但不限於有關Palladyne AI的財務狀況；業務戰略；市場機會預測；其技術的預期收益；未來運營和發行的計劃和目標；Palladyne AI的產品開發；Palladyne AI軟件平臺的預期功能、優勢和用例；與之相關的預期和時機的陳述顧客試驗和商業產品的發佈；以及Palladyne AI戰略的潛在成功。在某些情況下，您可以通過諸如 “可能”、“將”、“應該”、“可能”、“期望”、“計劃”、“預測”、“相信”、“估計”、“預測”、“打算”、“潛在”、“將”、“繼續”、“持續” 或否定這些術語或其他類似術語中的否定詞來識別前瞻性陳述。此類前瞻性陳述涉及風險、不確定性和假設，可能導致實際事件、結果或業績與此類陳述所示的存在重大差異。其中某些風險和不確定性載於Palladyne AI不時向美國證券交易委員會（“SEC”）提交的文件中標題為 “風險因素” 和 “關於前瞻性陳述的警示説明” 的章節，這些文件可在美國證券交易委員會的網站www.sec.gov上免費查閲。此外，“我們相信” 的陳述和類似的陳述反映了Palladyne AI對相關主題的信念和觀點。這些聲明基於Palladyne AI截至本演示之日獲得的信息，儘管Palladyne AI認為此類信息構成了此類陳述的合理依據，但此類信息可能有限或不完整，不應將Palladyne AI的陳述理解為表明Palladyne AI已對所有可能可用的相關信息進行了徹底的調查或審查。這些陳述本質上是不確定的，提醒讀者不要過分依賴這些陳述。如果這些風險中的任何一個成為現實，或者我們的假設被證明不正確，則實際結果可能與這些前瞻性陳述所暗示的結果存在重大差異。鑑於這些前瞻性陳述中存在重大不確定性，您不應將這些陳述視為Palladyne AI或任何其他人對Palladyne AI將在任何指定時間範圍內實現其目標和計劃的陳述或保證，或根本不這樣做。除非法律要求，否則Palladyne AI不承擔任何義務，也不打算更新任何前瞻性陳述或使這些陳述符合實際業績或Palladyne AI預期的變化。本演示文稿還可能包含獨立方和Palladyne AI對市場規模和增長以及其他行業數據所做的估算和其他統計數據。這些數據涉及許多假設和侷限性，可能會發生變化。提醒您不要過分重視此類估計。Palladyne AI尚未獨立驗證獨立方生成幷包含在本演示文稿中的統計數據和其他行業數據，因此無法保證其準確性或完整性。此外，由於各種因素，對Palladyne AI未來表現及其競爭市場的未來表現的任何預測、假設和估計都必然受到高度的不確定性和風險的影響。這些因素和其他因素可能導致結果或結果與獨立各方和Palladyne AI的估計中表達的結果或結果存在重大差異。本演示文稿中的任何預測、估計和目標均為前瞻性陳述，這些陳述基於截至發表之日的假設，本質上存在重大的不確定性和突發事件，其中許多不確定性和突發事件是Palladyne AI無法控制的。列入此類預測、估計數和目標僅用於説明目的，不應將其視為未來結果的必然指標。儘管所有預測、估計和目標都必然是推測性的，但Palladyne AI認為，預測、估計或目標距離準備之日越遠，潛在財務信息的準備所涉及的不確定性就越高。預測、預期或目標結果所依據的假設和估計本質上是不確定的，可能會發生變化，並受到各種重大的業務、經濟、監管和競爭風險和不確定性的影響，這些風險和不確定性可能導致實際結果與此類預測、估計和目標中包含的結果存在重大差異。本演示文稿中包含預測、估計和目標不應被視為表明Palladyne AI或其代表認為財務預測、估計和目標是對未來事件的可靠預測。Palladyne AI的獨立審計師沒有為了將預測納入本演示文稿而對預測進行審計、審查、編制或執行任何程序，因此，他們都沒有就此發表意見或提供任何其他形式的保證。通過參加或接受本次演講，您承認您將對自己對市場和我們的市場地位的評估承擔全部責任，並且您將進行自己的分析，並全權負責對我們業務的未來潛在表現形成自己的看法。Palladyne AI通過各種方式向公眾公佈重要信息，包括向美國證券交易委員會提交的文件、公開電話會議、Palladyne AI的網站（www.palladyneai.com）、其投資者關係網站（https://investor.palladyneai.com/）和新聞網站（https://www.palladyneai.com/press/）。Palladyne AI使用這些渠道及其社交媒體，包括X（@PalladyneAI）和LinkedIn賬户（https://www.linkedin.com/company/palladyneaicorp/），與投資者進行溝通，並瞭解有關Palladyne AI、其產品和其他事項的公開新聞和進展。因此，Palladyne AI鼓勵投資者、媒體和其他對公司感興趣的人審查其在這些地方公開的信息，因為此類信息可能被視為重要信息。可通過此處包含的超鏈接或網站地址訪問的信息被視為未納入本演示文稿或其中的一部分。

幻燈片 3

Palladyne AI 概覽 NASDAQPDYN Experience30 多年的卓越機器人工程經驗。技術團隊由擁有超過25年的AI/ML專業知識的首席技術官領導，約65名團隊成員，世界一流的機器人和人工智能/機器學習軟件工程師鹽湖城，UTInnovation和運營機器人DNA在機器人和機器人軟件領域擁有30多年的經驗。在航空、建築、能源和國防領域的靈巧移動機器人技術領域的傳統領導地位

幻燈片 4

Palladyne AI：30 多年的創新和進化歷程 Sarcos Robotics 開始公開交易（2021 年）從 Raytheon（2015）收購 1983 年 2021 年 2024 年全新 AI Software Focus（2023）預期的客户試用啟動政府/國防部研發 Sarcos 分拆出猶他大學（1983）靈巧的機器人系統專用解決方案 AI 軟件 2023 開始人工智能軟件開發（2019）雷神收購薩科斯（2007 年）Sarcos 變成 Pallcos Adyne AI

幻燈片 5

複雜任務的自動化受到限制的原因有很多：大型語言模型。大多數工業機器人都是針對單一特定任務進行高度編程的，無法處理對象、任務或環境的變化。工業機器人的編程和實現既耗時又昂貴，往往導致客户投資回報率不足。當今最先進的人工智能方法（例如生成式人工智能的LLM1）需要大量數據集來訓練模型，將任務僅限於數據集中包含的內容

幻燈片 6

我們的願景：通過使機器能夠像人類一樣觀察、學習、推理和行動，實現對傳統自動化來説過於複雜的任務自動化。大幅加快編程和訓練的速度提高敏捷性、任務集和用例減少對人工幹預和監督的需求降低建立和維護自動化的成本對於移動機器，從人類在環演變為人類在環中消除對持續雲連接的需求

幻燈片 7

自動執行任務對於傳統自動化來説過於複雜實時、閉環自主性使機器人能夠像人類一樣觀察、學習、推理和行動解決了傳統機器人部署中的關鍵挑戰：由於任務或環境的複雜性，許多流程仍未實現自動化。編程和部署的高成本和複雜性點解決方案無法實時學習和適應，需要重新培訓才能執行新任務或修改後的任務商用機器人與硬件無關的實時閉環自主軟件解決方案 Industrial Mfg。物流國防航空航天/航空施工基礎設施維護與維修能源

幻燈片 8

現實（物理）世界的人工智能當今大多數人工智能生活在數字世界中 AI/ML 方法的目標是預測結果並提出建議，以增強人類能力——提高效率、改善決策、優化流程、開發新產品等。利用大量基於雲的計算利用大量數據來收集、攝取、整合、分析和學習數據 Palladyne AI 的真實世界人工智能方法目標是使機器能夠在現實世界中有效地自主運行環境（結構化、動態和非結構化）算法旨在使機器無需重新訓練或重新編程即可對不斷變化的環境做出反應並完成任務。需要更少的數據 — 使用 on-robot1 計算來攝取、集成（融合）、分析、學習和應對不斷變化的環境而無需連接到雲端即發生在沒有連接到雲的機器人上。“對我們來説，關鍵是在可以動態變化的非結構化環境中實現自治。我們專注於廣義自治，提供閉環功能以持續適應任務。”-Palladyne AI聯合創始人兼首席技術官丹尼斯·加拉吉奇博士

幻燈片 9

Palladyne™ IQ：機器人人工智能軟件平臺實時閉環自主框架旨在使機器能夠像人類一樣觀察、學習、推理和行動精確的機器人控制和完成任務通過精確控制機械臂、機器人和/或末端執行器來完成任務以穩定、安全和精確的方式在較長時間內實現複雜的任務組合。使用類人的、基於人工智能的推理來確定最佳行動方案，無需人工幹預適應真實的突發事件-time 根據邊緣態勢感知生成實時運動計劃無需重新訓練或雲連接即可在邊緣進行實時感知、學習和決策觀察高級感知和觀察以改善態勢感知使用視覺、激光雷達、雷達、聲學等混合傳感器輸入感知環境。利用多模態傳感器融合使感知對傳感器遮擋和噪聲更強大學習智能機器學習加快新複雜產品的入門速度任務機器人學習新穎或複雜通過動態推理和學習組合任務只需最少的演示即可完成學習 (1-5) 1 學習模型適應環境根據內部測試，實際數字將根據任務的複雜性而有所不同。

幻燈片 10

Palladyne™ IQ 架構旨在最大限度地提高系統的靈活性、適應性、移動性和學習能力。自主機器人操作不需要雲連接。1.基本的機器人訓練和遙控操作包中僅需要（幷包含在內）一個手動控制器；對於需要兩個機械手協同工作的應用程序，則需要兩個控制器。1

幻燈片 11

我們的人工智能軟件平臺的預期優勢我們的方法有何不同硬件無關1 解決了除集成之外的機器人特定挑戰解決系統穩定性和姿勢估計/終端執行器導向機器人能夠長時間計劃和執行復雜的任務組合，即使在動態和非結構化環境中也是如此。專為與當今銷售的大多數工業機器人配合使用而設計。根據精通市場洞察的 “全球機器人操作系統” 報告，ROS 1機器人佔2021年ROS總市場的74％，“2022年全球機器人操作系統（ROS）市場規模為美元（globenewswire.com）。全棧閉環自主性無需人工幹預或重新編程即可適應環境或已定義任務的動態變化使用概率機器學習技術學習任務，考慮不確定性和可變性動態模型推理方法需要的訓練數據要少得多；機器人只需幾個演示即可學會概論 (1~ 5) 4 通過使用 Palladyne AI 的特定領域語言模型獲得的計算效率複雜的任務學習能力類似於人類；在某些情況下，我們相信機器人訓練的時間比依賴當前可用的最先進方法所需的時間要短得多3 支持邊緣計算；降低總擁有成本，無需產生重複的雲服務成本改善系統實施和啟動時間將多傳感器數據輸入融合在一起以提高系統的靈活性和適應性任務模型學習的靈活教學輸入選項（即 LLM、DSLS2、基於動作捕捉的遙操作、視頻輸入等）可以提供語言到運動的指令，非常適合邊緣計算/機器人應用；不需要與需要連接到 Cloud Domain 特定語言的 LLM 相關的成本/延遲。Robotics Transformer 1 和 2 基於深度學習的方法，2022年至2023年。根據內部測試，實際數字將根據任務的複雜性而有所不同。

幻燈片 12

Hardware Agnostic1預計將使固定和移動機器人平臺變得敏捷和自主，減少人為幹預並提高投資回報率專為與當今銷售的大多數工業機器人配合使用而設計。根據精通市場洞察的 “全球機器人操作系統” 報告，ROS 1機器人佔2021年ROS總市場的74％，“2022年全球機器人操作系統（ROS）市場規模為美元（globenewswire.com）。工業機器人和協作機器人無人地面飛行器和人形無人駕駛飛行器

幻燈片 13

邊緣計算的好處 C3.ai：適合所有人的全棧物聯網平臺。結構化編程的 Gordian Knot (c3.ai)、傳統的人工智能/機器學習產品解決方案 (Cloud Compute1,2) 複雜、極大的數據集集成需要大量的雲計算預測結果，提出由大型數據集和模型驅動的建議人類在決策、流程改進和優化中使用的機器人閉環自治（邊緣計算）環境、來自本地工作空間的態勢感知數據、更受限制（特定領域的方法）基於基礎模型的實時類人推理應用於基礎模型上意外事件 “閉環” ——無需重新訓練即可實時適應這些事件並更新基礎模型無需重新訓練的結構化和非結構化環境照片來源：c3.ai

幻燈片 14

谷歌報告稱，耗電的人工智能的隱性成本接近當今的水平 “你會驚訝地發現生成單個人工智能圖像需要多少能量1” Stable Diffusion的開源XL模型每張圖像消耗的電量幾乎與為智能手機完全充電所需的電量使用相同模型創建1,000張圖像產生的二氧化碳排放量相當於汽油動力汽車行駛4.1英里的二氧化碳排放量。谷歌報道，全球範圍內人工智能服務器的用電量相當於阿根廷在一年中的使用量 1 2022年，它使用了56加侖的水來冷卻人工智能服務器（同比增長20％）2021) “結構化編程的 Gordian Knot 4” “自己構建” 方法需要大量整合並非為協同工作而設計的底層組件，從而產生一定程度的複雜性，即使是最優秀的開發團隊也會不堪重負 “Rt-1：用於大規模現實世界控制的機器人變形金剛2” 示例：在現實世界機器人數據集上訓練的模型：13萬集 700多項任務在 17 個月內從 13 個機器人那裏收集到 “Rt-2：Vision-Language-Action Models3” “... 模型尺寸：Rt-2 Pali-X 變體的 50對比 550...”Futurism.com 谷歌研究博客 robotics-Transformer2.git.io C3.ai 照片來源：Freepik 照片來源：谷歌研究照片來源：c3.ai

幻燈片 15

基於與潛在客户討論的潛在用例示例 Palladyne™ IQ

幻燈片 16

製造子零件裝配1 結構化製造線、任務可變性任務和挑戰生產線（產品、修復、更新）的變更代價高昂——機器人再培訓和製造停機機會和預期收益低成本/快速能夠重新利用機械手/機器人來執行新任務。最大限度地縮短新任務培訓的停機時間員工可以在機器人上快速訓練和部署模型在設置的多產品裝配線上快速適應不同的任務使用混合產品運行裝配線以滿足需求機器人根據檢測到的物體自動調整任務提供靈活性和麪向未來的任務規劃；根據與潛在客户的討論延長機器人的可用性和壽命潛在用例。

幻燈片 17

配套和零件排序在裝配套件/容器中挑選/放置零件/分類1 任務複雜裝配的配套和零件排序如果沒有複雜的規劃、人工幹預和高昂的編程成本，就很難實現自動化。零件的可變性可能導致效率低下和錯誤，導致延遲、返工和成本增加對於需求波動的行業（例如消費電子或汽車）機會和預期收益高級物體檢測、機器學習和人工智能啟用robot to：通過動態適應意外事件或配套/排序訂單的實時變化，實現連續的工作流程，即使在可變的條件和動態環境中也能高效識別和揀選/放置複雜的零件幾何形狀快速準確地對零件進行分類並確定其最佳分揀位置，幫助簡化生產並實現零件可追溯性降低管理成本並提高吞吐量，提供更快的投資回報基於潛在討論的潛在用例顧客。

幻燈片 18

表面處理噴砂、水力噴射、打磨和研磨任務使用各種介質噴砂和研磨工具去除表面的油漆、鐵鏽和碎屑，以清潔和準備表面進行維護或精加工工藝：重型製造：為精加工過程準備部件、底盤和重型機械結構維護與維修：清潔和準備用於油漆和塗層的結構表面（例如船體、坦克、橋樑和海上結構）挑戰在以下情況下很難實現持續的自動化表面材料和條件變化高精度結果需要精確的操作或對不同的表面幾何形狀的適應性——通常需要手動工作或人工幹預手動表面處理任務使人類工人面臨危險材料和環境造成的高受傷風險機會和預期優勢先進的物體檢測、機器學習和人工智能使機器人能夠：通過實時適應不同的表面條件來精確操作噴砂軟管和工具實現精確和一致的結果，減少返工和人工的需求幹預措施從以人為本的演示和數據中學習，增強適應實時情況的能力，減少停機時間和昂貴的重新編程需求檢測和快速響應潛在危險，確保更安全的操作和遵守安全法規降低管理成本，提高吞吐量，根據與潛在客户的討論提供更快的投資回報潛在用例。

幻燈片 19