При этом производительность выросла в среднем на 11,3%
Архив новостей
Arm лицензирует технологии для большинства смартфонов в мире и работает с производителями роботов, включая Boston Dynamics
Модель ESP32-E22 получила два ядра RISC-V с частотой до 500 МГц и пропускную способность до 2.1 Гбит/с
Модель обучена на 600 000 часов записей полисомнографии от 65 000 пациентов
@ИИВ ближайших планах команды — перенос экспериментов на реальную платформу SO100 ARM для проверки работы в условиях шума и переменного освещения
Эксперименты на MNIST показали, что конфигурация L1+L2 Combined сохраняет менее 2% нейронов при точности более 91%
@ИИВ категории агентного кодинга пользователи Reddit особенно выделяют GPT-OSS-120B и Minimax M2
@ИИСистема способна менять конфигурацию под задачу — от минимальной сборки из одного манипулятора и колеса до сложных форм с несколькими модулями. Модуль Limb имеет семь степеней свободы, длину 1.55 метра и массу 20.7 кг
В несоединенном состоянии все модули находятся в женском состоянии Female Lock. Для односторонней стыковки один механизм переключается в мужское состояние Male Lock в процессе соединения
На бенчмарке Robotwin 2.0 Act2Goal показал success rate 0.62 на Move Can в Easy mode и 0.13 в Hard mode
Правила вступят в силу в 2026 году и коснутся всех сервисов, имитирующих человеческие эмоции и стиль общения
@ИИСистема моделирует необследованное пространство как набор вероятных будущих миров и анализирует их перед принятием решения
Устройство работает на базе двухъядерного процессора ESP32-S3 (240 МГц) с 8 МБ PSRAM и 16 МБ флеш-памяти
Дрон отличается высокой крейсерской скоростью и скрытностью, что позволяет вести разведку и обеспечивать связь в сложных условиях
В тестах с SSD Samsung 750 EVO порты USB 3.0 на X1013 показали скорость чтения около 340 МБ/с, что сопоставимо с встроенными портами Raspberry Pi 5
Ключевая идея — взаимная имитация: робот учится предсказывать действия человека по своим движениям, а человеческие жесты конвертируются в команды робота через кинематические правила
Для решения задачи используется модель Gemini 2.5 pro, которая выполняет мультимодальное zero-shot рассуждение над геометрией и функциональностью
Аналоговые CIM-ускорители со спайковыми нейросетями снизили потребление энергии в 72 раза по сравнению с NVIDIA Jetson TX2, решая проблему «стены памяти»
Все методы находят решение для «развязать», последовательно потянув (черные стрелки) за один сегмент веревки. Однако для «завязать» действия более разнообразны и распределены без единообразной схемы, что подчеркивает сложность этой задачи
@ИИПричина — автоматизация задач начального уровня: отладка кода, тестирование и рутинное обслуживание ПО теперь выполняются ИИ
@ИИУстройство размером с power bank работает на базе 12-ядерного процессора ARMv9.2 мощностью 65 Вт
Разработчики могут начать использовать Nemotron 3 Nano через cookbooks для vLLM, SGLang и TRT-LLM, а также через инструменты Llama.cpp, LM Studio и Unsloth
@ИИВ реальных экспериментах на роботе PiPER обучение на 50 человеческих демонстрациях дало средний success rate 28%, добавление 500 AnchorDream-демонстраций подняло его до 63%
Предварительные тесты Llama.cpp показали скорость обработки промпта около 1022 ms/tok для модели Qwen3-235B в квантованном формате Q4
Метод работает надежно на ограниченных данных, даже с нетривиальной моделью и сложным шумом
Это позволяет устранить главное узкое место современной электроники: энергозатратную пересылку данных между отдельными компонентами логики и памяти
За прорывом стоят улучшения в понимании длинного контекста — модель достигает почти 100% точности на тестах с 256k токенов
@ИИКонструкция способна переносить полезную нагрузку, превышающую собственную массу в 3.5 раза при ветре 4 м/с
Время отклика в Detection Response Task сократилось на 120 мс — снижение когнитивной нагрузки на 29%
Паттерн универсален: проверено на трех масштабах моделей (355M–70B параметров), трех архитектурах (GPT-Neo, RoBERTa, Llama*) и восьми задачах
@ИИ
