10 Einträge
Schlagwort: roboticsArtikel:Anthropic
Anthropic hat eine Research Preview des Model Hardware Standard (MHS) vorgestellt. Die Spezifikation ermöglicht es KI-Agenten, physische Labor- und Industrieanlagen herstellerübergreifend anzusteuern.
Aus Video: Weekly AI Updates: Local Models, GPT-6 Astra, and Agent Architectures
Link:Dyna Robotics
Dyna Robotics hat DYNA-2 vorgestellt, ein World-Action-Modell (WAM), das auf über einer Million Stunden egozentrischer menschlicher Videos vortrainiert wurde. Das Modell umgeht den Engpass manueller Teleoperationsdaten und überträgt räumliches Verständnis sowie physische Handlungen direkt auf unterschiedliche Robotersysteme.
Aus Video: Weekly AI Roundup: DeepSeek Harness, Model Routing, and Scaffolding Shifts
Link:Moo Jin Kim, Karl Pertsch, Siddharth Karamcheti et al.
OpenVLA ist ein quelloffenes Vision-Language-Action-Modell (VLA) mit 7 Milliarden Parametern zur Steuerung von Robotern. Es basiert auf Prismatic-7B, nutzt Llama 2 und wurde auf 970.000 Roboter-Episoden trainiert. Das Modell übertrifft bisherige Generalisten wie Octo und RT-1-X sowie teilweise das proprietäre 55B-Modell RT-2-X.
Aus Video: Weekly AI Roundup: DeepSeek Harness, Model Routing, and Scaffolding Shifts
Artikel:Saeed Babamohamadi
NVIDIA präsentiert mit Cosmos 3 eine offene Modellfamilie, die als World Action Model (WAM) physikalische Dynamiken erlernt und Steuerungsaktionen gemeinsam mit zukünftigen Kamerabildern generiert.
Aus Video: Weekly AI Roundup: DeepSeek Harness, Model Routing, and Scaffolding Shifts
Artikel:Moo Jin Kim et al.
Forschende von Stanford, UC Berkeley, Google DeepMind und weiteren Institutionen stellen OpenVLA vor, ein quelloffenes Vision-Language-Action-Modell mit 7 Milliarden Parametern. Das auf 970.000 realen Roboterdemonstrationen trainierte Modell übertrifft geschlossene Vorgänger wie RT-2-X deutlich und lässt sich per LoRA auf handelsüblichen GPUs feinjustieren.
Aus Video: Weekly AI Roundup: DeepSeek Harness, Model Routing, and Scaffolding Shifts
Artikel:Peiyan Li, Yuze Zhu, Yixiang Chen, Qisen Ma, Yuan Xu, Jiabing Yang, He Guan, Yan Huang, Hongtao Wu, Xiao Ma, Tao Kong, Liang Wang, Tieniu Tan
Forschende stellen BridgeVLA++ vor, ein Vision-Language-Action-Framework für 3D-Roboter-Manipulationen. Aufbauend auf BridgeVLA erweitert das Modell vortrainierte Vision-Language-Modelle (VLMs) um eine Architektur für räumlich-zeitliches Gedächtnis, um vergangene Beobachtungen und Interaktionshistorien effizient einzubeziehen.
Aus Video: Weekly AI Roundup: DeepSeek Harness, Model Routing, and Scaffolding Shifts
Artikel:Kashu Yamazaki, Viet-Khoa Vo-Ho, Darshan Bulsara, Ngan Le
Ein Übersichtsartikel analysiert Spiking Neural Networks (SNNs) als dritte Generation künstlicher neuronaler Netze. SNNs nutzen biologisch inspirierte Spikes zur Informationsübertragung und bieten durch hohe Sparsity und zeitliche Kodierung enorme Energie- und Rechenvorteile gegenüber klassischen tiefen neuronalen Netzen, insbesondere für autonome Robotik und Edge-Anwendungen.
Link:Zhe Liu, Jinghua Hou, Yuxiang Lu, et al.
Forschende der University of Hong Kong und von ACE Robotics stellen StreamPI vor. Das Framework erweitert Vision-Language-Action-Modelle (VLAs) wie π0.5 um zeitliche Kontextverarbeitung, ohne neue Modellparameter hinzuzufügen. Durch die paarweise Bindung von Bild- und Textbefehlen sowie ein Trainingsverfahren mit zufälligen Zeitintervallen verbessert StreamPI die Präzision und Robustheit bei der realen Robotersteuerung.
Aus Video: AI Weekly Updates: Open-Source Model Surge, Agent Harnesses, and Meta's AI Reality Check
Repository:LMD0311/Awesome-World-Model
Das GitHub-Repository LMD0311/Awesome-World-Model sammelt, dokumentiert und bewertet wissenschaftliche Arbeiten rund um World Models mit Schwerpunkt auf autonomem Fahren und Robotik. Es dient als fortlaufende Ergänzung zur Übersichtsarbeit 'The Role of World Models in Shaping Autonomous Driving: A Comprehensive Survey'.
2234Sterne
Aus Video: Weekly AI Roundup: DeepSeek Harness, Model Routing, and Scaffolding Shifts
VideoVideo:Greg Isenberg
Greg Isenberg argumentiert, dass der allgemeine Ratschlag 'KI zu lernen' unzureichend ist. Stattdessen stellt er sechs konkrete Fähigkeiten vor, deren Wert mit zunehmender Leistungsfähigkeit von KI-Modellen steigt: Steuerung von Agenten und lokalen Modellen, Aufbau von Distribution, Robotik samt Hardware-Beschaffung, Kuratierung via Kurzvideo, die Kombination aus Entwickler und Vermarkter ('Builder-Distributor') sowie der Aufbau realer Communitys vor Ort.
10 von 10 angezeigt
Haben Sie einen interessanten Artikel, ein Video oder einen Tweet, der in unsere Wissensbasis gehört? Schreiben Sie uns an office@webconsulting.at.
Dieser Inhalt wurde teilweise mithilfe von KI erstellt.
