-
GenEM — генерация выразительного поведения роботов с помощью LLM
Generative Expressive Motion (GenEM) — Генеративное выразительное поведение — новый метод от Google DeepMind по созданию выразительного поведения роботов с помощью больших языковых моделей (БЯМ, LLM).
-
Yann LeCun: на пути к машинам, которые могут понимать, рассуждать и планировать
Прошлогоднее выступление Яна Лекуна (Yann LeCun) про его подход к автономному искусственному интеллекту (ИИ).
-
Awesome-LLM-Robotics — список статей про использование больших языковых моделей в робототехнике
Awesome-LLM-Robotics — git-репозиторий со внушительным списком статей, использующих большие языковые/мультимодальные модели в робототехнике. Кроме ссылок на сами статьи есть ещё ссылки на код и соответствующие веб-сайты.
-
Google DeepMind представила набор данных Open X-Embodiment dataset и новые модели RT-X, предназначенные для освоения роботами новых навыков
Компания Google DeepMind совместно с 33-мя академическими лабораториями собрали крупнейший набор данных Open X-Embodiment dataset.
-
RH20T — набор данных для обучения роботов различным навыкам
Исследователи из Шанхайского университета транспорта (Shanghai Jiao Tong University) (Шанхай, Китай) представили RH20T — это крупнейший на сегодняшний день набор данных для обучения роботов различным навыкам.
-
Робот-манипулятор строит собственную кинематическую модель
Исследователи из Колумбийского университета (Нью-Йорк, США) разработали алгоритм, позволяющий роботу-манипулятору построить собственную кинематическую модель, которая затем может использоваться для управления его движениями.
-
Инструменты для разметки изображений
Как мы уже видели — для решения задач распознавания объектов (будь то сортировка огурцов, подсчёт пчёл, отслеживание собаки или обнаружение белок) используются алгоритмы машинного обучения, которым для работы требуется предварительно размеченные изображения. Рассмотрим — какие инструменты можно использовать для разметки изображений.
-
AIfES — библиотека машинного обучения для Arduino
AIfES (Artificial Intelligence for Embedded Systems — Искусственный интеллект для встроенных систем) — это библиотека машинного обучения, реализованная на чистом C и работающая даже на 8-битных микроконтроллерах Arduino.
-
Запуск TensorFlow Lite Micro на Arduino
Мощности контроллера Arduino Nano 33 BLE Sense со встроенным в BLE-модуль NINA B306 микроконтроллером Nordic nRF 52840 с ядром ARM Cortex-M4 (64 MHz, 1MB Flash, 256 KB of RAM) — хватает для запуска на нём TensorFlow Lite Micro. Об этом подробно рассказано в блоге TensorFlow — How-to Get Started with Machine Learning on Arduino. Теперь,…
-
Интерпретация работы нейронных сетей — тестирование с помощью векторов активации концепции
Исследователи из Google Brain представили новый метод интепретации работы искусственных нейронных сетей. Метод получил название Тестирование с помощью векторов активации концепции (Testing with CAVs (TCAV)).
Преимуществ нет, за исключением читабельности: тип bool обычно имеет размер 1 байт, как и uint8_t. Думаю, компилятор в обоих случаях…