Исследователи из Гарвардского университета представили MoTVLA — модель с 14B параметров, которая переключается между быстрым и медленным рассуждением. Архитектура показала высокую эффективность в сложных задачах
Роботы
Автономная система на базе машинного обучения и капиллярного захвата сортирует субмиллиметровые объекты с точностью позиционирования 157 ± 84 микрон. Успешность операций захвата и размещения составляет 90.4%
Имплантируемый роботизированный мочевой пузырь IBRoB* объемом 400 мл с мониторингом обеспечивает 96% опорожнения за 200 секунд. Автономность 9 дней, точность определения объема 2.8%
Система Botany-Bot использует 4 камеры и робота для создания 3D-моделей растений с точностью 90.8%. Может поднимать листья для фото скрытых поверхностей.
Исследователи MIT представили SoftMimic — фреймворк для обучения гуманоидных роботов податливому управлению всем телом на основе примеров движений
Hugging Face представила курс по робототехнике с 7 модулями
@ИИUrbanVerse: система UCLA превращает городские видео в интерактивные 3D-симуляции для обучения роботов. База данных 102 530 объектов, +30.1% улучшение навигации в реальном мире
@ИИVO-DP показывает 87.9% успешности в реальных задачах против 67.5% у метода на основе облаков точек DP3 и 11.2% у классического метода DP
@ИИРоботы-собаки Boston Dynamics научились проводить медицинскую сортировку пострадавших и общаться с пациентами через ИИ-систему
RAI Institute исследует подходы для манипулирования тяжелыми объектами с координацией всего тела. Система превышает грузоподъемность в 3 раза
Топ-менеджеры Ford, Fortescue и Octopus рассказали о шокирующем уровне автоматизации китайских заводов. Статистика и последствия для мировой экономики
Исследователи создали фреймворк для обучения роботов навигации, сочетающий data-driven награды с правилами безопасности для движения среди людей
Исследователи разработали систему навигации для квадрокоптеров при отказе ротора. Обнаружение поломки за 0.02 сек, полеты в лесу со скоростью 0.8 м/с.
Новая система позволяет роботам планировать физические контакты, обучаясь всего на 0.5 миллиона шагов данных против значительно большего объема у традиционных методов
