본문으로 건너뛰기

#온디바이스

16개의 기사

LLM PC 4일 전

수류봇 시뮬레이션용 디바이스 내시각적 증거融合 및 설명 가능한 안내: PAANI

아르키브 : 2609.22353v1 발표 유형 : 새로운 요약 : 이동河川監視 로봇은 지리적 경계점만으로는 설명할 수 없는 장애물과 물의 경계를 해석해야 합니다. 자원 제한된 플랫폼에서는 불완전한 시각적 예측을 신속하고 검토 가능한 지침으로 변환하는 것이 DISTINCT한 문제입니다. 오브젝트 레이블이나 스티어링 명령은 어떤 증거가 결정을 지원하는지 또는 그 증거가 불신할 때를 설명하지 않습

LLM PC 9월 4일

지역 네트워크 스토리지 회사에서 당신의 지역 스마트홈을 운영하고 싶습니다.

Ugreen은 휴대폰 충전기, 충전기, NAS 저장 솔루션으로 유명한 회사로, 스마트 홈 분야에 큰 발을 내딛고 있습니다. 이 tuần에 IFA 기술 전시회에서 이 회사는 HomeAgent 스마트 홈 플랫폼을 출시했습니다. 이 플랫폼은 보안 카메라 저장, 장치 내 인공지능(AI), 스마트 홈 제어를 하나의 시스템으로 결합하고 있습니다. 이 시스템은 […]

에이전트 7월 29일

엣지 환경에서 인간이 참여하는 프로세서적 작업 안내를 위한 에이전트 프레임워크: ProcAgent

기계가 사람과 함께 작업하는 방식을 돕는 새로운 시스템을 개발했습니다. 이 시스템은 가구 조립이나 집 수리 같은 복잡한 작업을 돕는데 사용됩니다. 이 작업을 하는 동안 사용자는 지시를 이해하고 작업의 진행 상황을 추적하며 공간 상태를 생각하고 오류를 복구해야 합니다. 이전의 멀티 모달_assistant_ 시스템은 지시를 제공하는 데 도움이 되었지만 대부분의 시스템은 클라우드에서 추론을 수행하

에이전트 6월 3일

에지에서 작동하는 임베디드 AI agent 시스템을 위한 모듈식 아키텍처 방향

대규모 언어 모델(LLM)의 발전으로 인해 복잡한 추론과 도구 사용이 가능한 인공지능이 가능해졌지만, 퍼지 컴퓨팅 환경에서 이러한 자율성을 배포하는 것은 임베디드 마이크로컨트롤러의 엄격한 메모리와 에너지 제약으로 인해 어려움을 겪고 있습니다. 기존의 프레임워크는 일반적으로 서버급 자원이나 지속적인 연결성을 가정하기 때문에, 심층 임베디드 시스템을 위한_gap이 남아 있습니다. 이 논문은 결정

AI 모델 5월 29일

행동 기반 보조 정정법을 위한 오프-정책 시간 차이 예측

시간 차이 학습은 오프-정책 샘플링에서 instable할 수 있습니다. TDC는 오프-정책 TD를 안정화시키기 위해 보조 공분산 정정을 사용하고, TDRC는 이 정정을 단일 시간 규모 재귀로 정규화합니다. 이 연구에서는 선형 예측 설정에서 행동 기반 보조 공분산 기하학을 대체하는 것을 연구합니다. 이 기하학은 가치 함수 근사 공간의 특성 공간 동력학을 이해하는 표준 지역 모델입니다.

에이전트 5월 20일

POLAR-Bench: 프라이버시-유틸리티 트레이드오프를 위한 LLM 에이전트의 진단 벤치마크

POLAR-Bench: 프라이버시-유틸리티 트레이드오프를 위한 대규모 언어 모델(LLM) 에이전트의 진단 벤치마크 대규모 언어 모델(LLM) 에이전트는 점점 더 사용자의 개인 정보에 접근하고 사용자의 대리인으로서 세 번째 당사자 시스템과 상호 작용할 때 사용자의 의도에 따라 행동한다. 사용자는 공유할 수 있는 것과 공유하지 말아야 하는 것을 정의하고 에이전트는 세 번째 당사자 시스템이 적대적으로 행동하는 경우에도 그 의도를 강력하게 따르도록 해야 한다. POLAR-Bench(정책에 의한 적대

LLM PC 5월 19일

자연 속 지능력의 지속 가능성: 지식 적응형 에지 전문가 에이전트를 통해 생태계 모니터링 민주화

자연 속 생물 다양성의 급격한 감소는 효과적인 모니터링의 긴급성을 강조한다. 그러나 수동 조사를 위한 수작업 조사는 자원에 대한 확장성 있는 대안을 제공한다. обыч AI는 환경의 변동성으로 인해 자연 속에서 성능을 발휘하는 데 어려움을 겪는다. 현재의 방법은 모델을 다시 훈련하기 위해 필드 데이터를 지속적으로 업로드하는 클라우드 자원에 의존한다. 그러나 이러한 접근 방식은 제한된 전력과 네트워크 연결로 인해 원격 배포에 적합하지 않다. 이러한 제약을 해결하기 위해 이 연구에서는 모델 적응에서 지식 적응으로 전환하는 것을 제안한다. 우리는 시각적 인지와 사유를 분리하는 아키텍처를 소개한다. 시각 인코더와 동적 지식베이스를 결합하여 시각 인코더와 동적 지식베이스를 결합한다. 우리는 암묵적으로 모델 매개변수에 전문 지식을 인코딩하는 대신 명시적인 지식베이스를 사용한다. 또한 지식의 지속성을 지원하여 구조화된 형식으로 전문가 인사이트를 보존한다. 생물학자와 원주민 공동체와의 교차 학문적 협력으로 이 작업은 윤리적인 AI 공동 개발을 진전시키고, 책임 있는 생태계 관리를 위한 문화적으로 교육된 생태계 관리를 지원한다.

인기 태그