본문으로 건너뛰기
AI UsefulInfo ai.usefulinfo

#로보틱스

104개의 기사

에이전트 7월 22일

Agent 실패 경로에서부터 경량화된 잔여 위험까지: 강화된 역할 AI를 위한 구성 요소 기반 프레임워크

인공지능(AI) 시스템의 신뢰성 제한을 초과하는 속도로 신뢰를 넘어가는 에이전트 AI가 발생하고 있지만, 현재의 위험 모델은 이를 표현할 수 없다는 문제가 있다. 기존의 방법은 두 가지 부분적인 관점 중 하나만 제공한다. 그 방법은 실패 메커니즘을 설명하는 것인데, 그 결과로 전달할 수 있는 잔여 위험 추정치가 생성되지 않는다. 또는 위험 추정치를 생성하면서 내부 실패 경로를 블랙 박스로 다

연구 7월 16일

신경-symbolic AGI 로봇의 확률론적 확장: 벨랩의 타입화된 의도적 FOL

신경-symbolic AI는 신경학습과 symbol reasoning을 결합하여 단순한 신경계 시스템의 한계(해석 불가성 및 논리 구조 부재)를 극복할 수 있는 방법입니다. 본 논문에서는 Nilsson의 확률 구조를 기반으로 하여 현재 불확실한 문장을 위한 확률 계산을 사용하여 IFOL_B의 cognitve 능력을 확장합니다. 또한, global symmetry transformation과 local transformation을 소개하여 현재 지식 데이터베이스와 논리적 추론을 보존합니다.

에이전트 7월 16일

AI를 통한 사이버-물리적 간격을 연결하는 SPINE

대규모 언어 모델(LLM)로 구축된 로봇에게는 복잡한 결정을 내리기 위한 세련된 뇌를 제공했지만, 그 지능력을 물리적 플랫폼에 배포하는 것은 여전히 전문가 지식이 필요한 번거로운 조정을 필요로 합니다. 이 배포 격차, 로봇의 척추 신경,는 대규모 인공지능(AI) 물체를 위한 스케일러블한 구현을 위한 주요한 단점입니다. 따라서, 우리는 SPINE(Scalable Physical Integrat

에이전트 7월 13일

다양한 LLM가 장착된 물리적 요소 인공지능을 위한 컴퓨팅 파워 네트워크를 통한 효율적인 디지털 트윈 협력

물리적 인공지능 분야인 지능형工장, 창고, 서비스 로봇 등에서 다종류의 대규모 언어 모델(LLM)로 구동되는 embodied agent 팀이 널리 사용되고 있습니다. 이러한 agent 팀 간 협업을 가능하게 하기 위해 네트워크 리소스가 제한된 환경에서 안정적으로 작동하는 효율적인 협력 메커니즘이 필요합니다. 그러나 existing heterogeneous LLM-agent 협력 프레임워크가

연구 7월 10일

개인정보 보호와 지능형 로봇 프로테시스 통합 - 이디오비오닉스

로봇 프로테시스를 위한 지능형 센서와 인공지능 기반 제어 기술의 발전으로 로봇 프로테시스의 능력은 크게 향상되었습니다. 그러나 이러한 기술의 발전은 로봇 프로테시스 사용자의 개인정보 보호를 위협하는 잠재적인 위협 벡터를 소개했습니다. 이디오비오닉스는 로봇 프로테시스와 개인정보 보호의 경계를 넘나드는 연구를 위한 새로운 분야입니다.

AI 모델 7월 8일

블록 기반 프로그래밍을 위한 작은 언어 모델을 튜터로 사용하는 벤치마크

대규모 언어 모델(LLM)이 교육자 역할로 사용되는 것은 점점 더 연구되고 있지만 K-12 교육 환경에서 이를 배치하는 것은 개인 정보 보호, 비용, 특허 모델에 의존하는 문제를 일으킨다. 작은 언어 모델(SLM)은 훌륭한 대안을 제공하지만 특정 교육 환경에 적합한 모델을 선택하는 것은 여전히 어려운 문제이며, 대상 도메인인 블록 기반 프로그래밍과 같은 경우 모델 훈련 데이터에서 크게 부족하

에이전트 7월 2일

운영 중인 자율성 관리: 단일 및 다중-agent 사이버 물리 시스템을 위한 안전성 및 규제

자율적 인 agent 들은 연속적인 인간 감독 없이 운영할 때 공통적인 오류 모드에 직면합니다. 이러한 오류 모드는 안전성 위반, 불안정한 동작 및 오류 상태 처리 미흡으로 인해 발생합니다. 우리는 \system{}을 개발하여, 5개의 실행 기어 (\Gobs{}, \Gsug{}, \Gplan{}, \Gexec{}, \Gint{})와 유용성 게이트 및 이벤트 기반 fallback을 결합합니다. 이 기법은 단일 agent 경우의 정적 안정성, 실행 안전성, 최종 안정화, fallback 완전성 및 기어 제한 Markov 결정 프로세스와의 동등성을 증명합니다. 다중 agent 사이버 물리 시스템(CPS)에서, 우리는established \smart{} managed-autonomy lifecycle을 적용하고, runtime 증거를 \Stable{}/\Meta{}/\Assisted{}/\Regulated{}의 네 가지 규제 상태로 맵핑합니다. 이 기법은 분산 안전성 및 안정성 보장을 제공하며, zero-collision 보장을 포함합니다.

에이전트 7월 2일

컨텍스트 밴디트 감독 게임에 대한 두 가지 정보 불균형의 문제

AI.agent의 런타임 인간 감시를 연구할 때, 개인 정보가 양방향으로 흐른다. 인간은 reward function을 개인적으로 알고 있으면서, AI.agent는 제안한 행동의 품질을 개인적으로 알고 있다. 이 어이 없이는 자율 로봇이나 소프트웨어 agent가 상황을 검토할 때 자연스럽게 발생하는 편견이다. 협력적 역학 학습(CIRL)과 감시 게임을 바탕으로, 두 단계의 비대칭 정보를 갖는

AI 모델 6월 24일

VeryTrace: 합성 가능한 형식과 구조화된 검증을 통해 추론 경로를 검증하는 시스템

Chain-of-Thought (CoT) 프롬프트를 사용한 다단계 추론은 논리적인 오류나 조작적인 착상이 초기 단계에서 조용히 전파되어 자신감 있지만 오류가 있는 결론을 생산한다. 이 논문은 VeryTrace라는 zero-shot 검증 및 수정 프레임워크를 제시한다. VeryTrace는 자연어 추론 트레이스(FR: 추론 트레이스)를 구조화된, 컴파일할 수 있는 표현으로 공식화한다. VeryT

에이전트 6월 18일

로보컵 2D 축구 환경을 위한 다중 agent 강화 학습: R2D-RL

로보트 축구는 부분적 관찰성, 협력 및 적대적 상호 작용, 희소 보상, 그리고 장기 전략 행동이 결합된 다중 agent 강화 학습의 어려운 테스트베드로 간주된다. 로보트 컵 2D 축구 시뮬레이션(RCSS2D)은 성숙한 로보트 축구 플랫폼을 제공하지만, 현대 Python 기반 MARL 워크플로우와 직접적으로 사용하기 어려운 경쟁기반 서버-클라이언트 아키텍처를 가지고 있다. 우리는 R2D-RL이

인기 태그

#arXiv 1177 #AI 에이전트 955 #추론 574 #OpenAI 459 #Google 395 #벤치마크 333 #Anthropic 253 #GPT 218 #Meta 166 #Claude 145 #가격 정책 140 #AI 안전 139 #Microsoft 134 #Gemini 130 #멀티모달 106 #로보틱스 104 #NVIDIA 96 #오픈소스 92 #파인튜닝 88 #허깅페이스 65