Система моделирует необследованное пространство как набор вероятных будущих миров и анализирует их перед принятием решения
Железо
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»
Устройство размером с power bank работает на базе 12-ядерного процессора ARMv9.2 мощностью 65 Вт
В 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
Конструкция 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%
Обучение проводилось в IsaacGym на 1,5 миллиарда сэмплов с использованием четырех NVIDIA RTX 4090
