본문으로 건너뛰기

#로보틱스

104개의 기사

연구 6월 8일

물리적 인공지능의 백업 반응: AEGIS

장기간 로봇 조작은 점진적으로 실패한다: 하나의 잘못된 단계가 상태를 저하하고 정책은 회복할 수 없는 계곡으로 빠진다. 실패는 종종 발생하기 전에 눈에 띄운다. 우리는 AEGIS (활성화 프로브 이른 경보, 게이트드 인페런스 Switching)라는 선택적 승진 방법을 소개한다. 이 방법은 약한 정책의 고정 활성화에 가벼운 프로브를 사용하여 아직 행동할 수 있는 시기에 위험한 단계를 감지한다.

산업 6월 4일

아마존이 창고에서 일할 수 있는 로봇을 개발 중

아마존은 새로운 종류의 완전 자동화倉庫 로봇인 프로테우스(Proteus)의 업그레이드 버전을 발표했다. 이 새로운 버전은 언어를 사용하여 상호작용할 수 있다. 코드를 사용하는 대신. 아마존은 이 업그레이드가 인간 로봇을 대체할 때 자동화 방향을 더욱 확장하는 과정에서 나온 결과라고 밝혔다. 아마존은 AI를 기반으로 한 이 업그레이드가 인간 직원들이 로봇에게 [...]

연구 6월 4일

AI와의 일상적인 상호작용이 인간의 인간 연결을 어떻게 변화시키는가: 의존감에 빠지는 AI 감정의 시작

AI 감정적 지원은 일반적으로 특정한 목적을 가진 대화 로봇과는 달리, 일상적인 플랫폼에서 작업과 관련된 목적을 가진 상호작용에서 발생한다. 작업장에서 친한 친구 관계가 깊어지는 것과 마찬가지로, AI 감정적 지원은 의도치 않게 발생한다. 이러한 의도치 않은 만남은 경로 의존적이다. AI 감정적 지원의 긍정적인 경험은 사람들이 AI의 감정 능력에 대한 믿음이 업데이트되고, 앞으로의 감정적 지

연구 6월 3일

충돌 기반 적 형태 생성 탐구

PCG(Procedure Content Generation) 분야에서 게임 내 적을 위한 콘텐츠 생성에 대한 연구는 많은 연구가 진행되었지만, 적의 형태(morphology) 생성에 대한 연구는 거의 없다고 할 수 있다. 적의 형태는 게임 내 적의 기본적인 몸 구조 및 충돌 정보를 의미한다. 이는 로봇 분야의 형태 생성 연구와 관련이 있다. 이 논문에서는 플레이어 충돌 정보를 기반으로 적의

연구 5월 29일

열대 우림에서 항공 로봇 시스템을 이용한 선택적 지속가능한 벌채 및 포스트 하베스트 임산 식물 치료를 위한 새로운 방법을 제안: URIEL(Ultra-Reduced-Impact-Encased-Logging)

세계 곳곳의 열대 우림은 경제적이고 정치적인 이익으로 인해 강도 높은伐지 압력을 받고 있으며, 과학적 증거는 이 伐지가 기후 변화에 기여한다고 한다. 이 논문은 열대 우림에 대한 새로운伐지 방법, 유라-리-엘(Ultra-Reduced-Impact-Encased-Logging, URIEL)을 제안한다. 이 새로운 방법은 헬리-伐지 기술과 로봇과 인공지능(AI)을 통합한 드론이 수행하는 후처리

AI 모델 5월 19일

로봇이 당신의 돈을 들여다 볼까요? 구글은 그것에 베팅합니다.

구글은 AI를 이용한 쇼핑에 온 힘을 다하고 있습니다. 구글 IO에서 구글은 AI를 이용한 상거래 도구의 최신 버전을 발표했습니다. 이 도구는 'Universal Cart'로, 다양한 판매자와 구글의 제품인 Gemini와 YouTube, Gmail과 같은 제품에 사용할 수 있습니다. 사용자는 구글의 Universal Cart에 제품을 추가할 수 있습니다.

에이전트 5월 19일

연구실 자동화의 새로운 지평: AI 에이전트로의 도약

연구실 자동화를 통해 과학 실험의 빠르기, 안전성, 정확성, 재현성을 높일 수 있다. 하지만 연구실 자동화를 위해 여러 장비와 로봇을 조정하는 것은 과학자들에게 코드 작성, 설정 파일 관리, 복잡한 소프트웨어 인프라 탐색과 같은 어려움을 собою 둔다. 이에 대한 해결책으로, 과학자들이 자연어를 통해 자동화된 실험 프로토콜을 생성하고 모니터링할 수 있는 AI 에이전트 아키텍처를 제시한다.

AI 모델 5월 13일

오프라인에서 온라인으로의 강화 학습을 위한 RankQ: 자가 감독된 액션 랭킹

오프라인에서 온라인으로의 강화 학습은 샘플 효율성을 향상시키기 위해 미리 수집된 데이터 세트를 온라인 상호 작용 전에 사용합니다. 그러나 대규모 상태-액션 공간에서 데이터 세트 커버리지가 제한된 경우 정확한 비평가를 학습하는 것이 주요 도전 중 하나입니다. RankQ는 시간 차이 학습을 위한 자가 감독된 다항식 랭킹 손실을 추가하여 구조화된 액션 순서를 강제하는 오프라인에서 온라인으로의 Q 학습 목표를 제안합니다. RankQ는 액션 기울기를 더 높은 품질의 행동들로 향유도록 Q 함수를 형성하기 위해 상대적인 액션 선호도를 학습합니다.

인기 태그