NPU が革新的な UAV 制御フレームワークを開始: グループ チャット スタイルの対話、環境のアクティブな認識、UAV の自律制御を可能にします。
超汎化能力は大規模モデルを「汎用人工知能」への希望の光にします。
ただし、何千冊もの本を読むことは、何千マイルも旅することほど良いことではありません。オープンな環境では、複雑なタスクを真に理解し、実際的な問題を解決するために、大規模なモデルが実際に物理世界を「歩く」必要があります。 。
最近、Li Xuelong 教授のチームは、オープン環境における自律型ドローンの群れに関する革新的な研究を実施しました。彼らは国産の大規模モデルを使用して、オープンな環境で人間とコンピューターおよび複数のマシンの対話対話を実現することに成功し、人間と機械の間の相互作用の障壁を打ち破りました。この研究は、ローカル セキュリティの適用シナリオをさらに拡張し、大型ドローンが実生活で飛行できるようにします。
人間の認知モデルに触発されて、私たちのチームは、高度に自律的な認知プロセスを「思考コンピューティングの 3 次元相互作用」として要約しました。 「エンティティ制御・環境認識」を確立し、オープンソース大型モデル「Scholar・Puyu」による自律型ドローンの「グループチャット形式」制御フレームワークを確立しました。各ドローンにインテリジェントな頭脳を搭載し、ドローン グループが言語コミュニケーションを通じて動的に連携し、オープンな環境や複雑なタスクにおいてインテリジェントなインタラクション、アクティブな知覚、自律制御を実現できるようにします。この動きにより、ドローンのミッション実行の自律性が向上します。
一般に、自律型ドローン群の主な機能には、人間のような会話対話、能動的な環境認識、自律的なエンティティの制御が含まれます
humanoiddialogueinteraction
図 1 ドローンのグループ チャット通信
人間ユーザーとドローンの間のインタラクションを調査し、ドローンが複雑な内容を理解できるようにする ミッションにおけるユーザーのニーズは、自律型ドローンを実現するための前提条件です。
これに対し研究チームは、音声や画像、ドローン自身の状態などのさまざまな情報を大規模なモデルを通じて自然言語対話形式に変換する「グループチャット形式」の対話対話手法を提案しました。 、ユーザーとドローン間の対話、およびドローンと対話するための自律的かつ直感的な方法を実現します。
複雑なタスクの安定性と安全性を向上させるために、チームは効率的なリアルタイム フィードバック メカニズムを設計しました。このメカニズムにより、ドローンは対話を通じてステータスを報告し、ミッション実行の主要なノードでユーザーの確認を求めることができます。同時に、このメカニズムはタスク実行の効率を大幅に向上させることもできます。
アクティブな環境認識
#図 2 積極的にターゲットを発見し、アプローチします
図 3 動的な環境障害物回避### 飛行中、ドローンは外部環境を積極的に感知し、ミッション プランをリアルタイムで調整します。これは、システムの重要なリンクです。複雑なタスクを完了します。
この問題に対処するために、チームはタスクガイド型の能動的な知覚メカニズムを開発し、マルチセンサー融合の低高度探索、動的障害物回避、および視覚的位置決めアルゴリズムを提案しました
実際にはミッション実行プロセス中に、認識された情報とミッション目標に基づいて、ドローンの飛行経路と観測姿勢を動的に調整できます。私たちは、周囲の世界をさまざまな角度や位置から認識することを試み、環境の不確実性を徐々に減らして、効率的な情報収集とタスクの実行を実現します。
自律制御
#図 4 自律的なターゲット捕捉主要な研究は、複合エージェントの形式を調査することです。複雑なタスクを処理する能力を強化します。大型モデルの時代において、これは新しいインテリジェント エージェントにとって重要な領域です。
研究チームは、生物知能「思考コンピューティング - 実体制御 - 環境認識」の 3 次元相互作用モデルを自律エージェントに適用する試みに成功し、大規模な自律ドローン クラスターを形成しました。この種のクラスターは、大規模な言語モデル、ドローン プラットフォーム、さまざまなセンサーを使用して、会話型の対話、能動的な知覚、自律制御を実現します。このテクノロジーは、セキュリティ検査、災害救助、航空物流などの現場のセキュリティ シナリオでの応用にとって非常に重要です。
参考文献: Li Xuelong、Vicinagearth security、Communications of the Computer Society of China、18( 11) )、44-52、2022
以上がNPU が革新的な UAV 制御フレームワークを開始: グループ チャット スタイルの対話、環境のアクティブな認識、UAV の自律制御を可能にします。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック

従来のコンピューティングを超える能力を備えているだけでなく、より低コストでより効率的なパフォーマンスを実現する人工知能モデルを想像してみてください。これは SF ではありません。世界で最も強力なオープンソース MoE モデルである DeepSeek-V2[1] が登場しました。 DeepSeek-V2 は、経済的なトレーニングと効率的な推論の特徴を備えた強力な専門家混合 (MoE) 言語モデルです。これは 236B のパラメータで構成されており、そのうち 21B は各マーカーをアクティブにするために使用されます。 DeepSeek67B と比較して、DeepSeek-V2 はパフォーマンスが優れていると同時に、トレーニング コストを 42.5% 節約し、KV キャッシュを 93.3% 削減し、最大生成スループットを 5.76 倍に高めます。 DeepSeek は一般的な人工知能を研究する会社です

Boston Dynamics Atlas は正式に電動ロボットの時代に突入します!昨日、油圧式アトラスが歴史の舞台から「涙ながらに」撤退したばかりですが、今日、ボストン・ダイナミクスは電動式アトラスが稼働することを発表しました。ボストン・ダイナミクス社は商用人型ロボットの分野でテスラ社と競争する決意を持っているようだ。新しいビデオが公開されてから、わずか 10 時間ですでに 100 万人以上が視聴しました。古い人が去り、新しい役割が現れるのは歴史的な必然です。今年が人型ロボットの爆発的な年であることは間違いありません。ネットユーザーは「ロボットの進歩により、今年の開会式は人間のように見え、人間よりもはるかに自由度が高い。しかし、これは本当にホラー映画ではないのか?」とコメントした。ビデオの冒頭では、アトラスは仰向けに見えるように地面に静かに横たわっています。次に続くのは驚くべきことです

今月初め、MIT やその他の機関の研究者らは、MLP に代わる非常に有望な代替案である KAN を提案しました。 KAN は、精度と解釈可能性の点で MLP よりも優れています。また、非常に少数のパラメーターを使用して、多数のパラメーターを使用して実行する MLP よりも優れたパフォーマンスを発揮できます。たとえば、著者らは、KAN を使用して、より小規模なネットワークと高度な自動化で DeepMind の結果を再現したと述べています。具体的には、DeepMind の MLP には約 300,000 個のパラメーターがありますが、KAN には約 200 個のパラメーターしかありません。 KAN は、MLP が普遍近似定理に基づいているのに対し、KAN はコルモゴロフ-アーノルド表現定理に基づいているのと同様に、強力な数学的基礎を持っています。以下の図に示すように、KAN は

AI は確かに数学を変えつつあります。最近、この問題に細心の注意を払っている陶哲軒氏が『米国数学協会会報』(米国数学協会会報)の最新号を送ってくれた。 「機械は数学を変えるのか?」というテーマを中心に、多くの数学者が意見を述べ、そのプロセス全体は火花に満ち、ハードコアで刺激的でした。著者には、フィールズ賞受賞者のアクシャイ・ベンカテシュ氏、中国の数学者鄭楽軍氏、ニューヨーク大学のコンピューター科学者アーネスト・デイビス氏、その他業界で著名な学者を含む強力な顔ぶれが揃っている。 AI の世界は劇的に変化しています。これらの記事の多くは 1 年前に投稿されたものです。

Google が推進する JAX のパフォーマンスは、最近のベンチマーク テストで Pytorch や TensorFlow のパフォーマンスを上回り、7 つの指標で 1 位にランクされました。また、テストは最高の JAX パフォーマンスを備えた TPU では行われませんでした。ただし、開発者の間では、依然として Tensorflow よりも Pytorch の方が人気があります。しかし、将来的には、おそらくより大規模なモデルが JAX プラットフォームに基づいてトレーニングされ、実行されるようになるでしょう。モデル 最近、Keras チームは、ネイティブ PyTorch 実装を使用して 3 つのバックエンド (TensorFlow、JAX、PyTorch) をベンチマークし、TensorFlow を使用して Keras2 をベンチマークしました。まず、主流のセットを選択します

テスラのロボット「オプティマス」の最新映像が公開され、すでに工場内で稼働可能となっている。通常の速度では、バッテリー(テスラの4680バッテリー)を次のように分類します:公式は、20倍の速度でどのように見えるかも公開しました - 小さな「ワークステーション」上で、ピッキング、ピッキング、ピッキング:今回は、それがリリースされたハイライトの1つビデオの内容は、オプティマスが工場内でこの作業を完全に自律的に行い、プロセス全体を通じて人間の介入なしに完了するというものです。そして、オプティマスの観点から見ると、自動エラー修正に重点を置いて、曲がったバッテリーを拾い上げたり配置したりすることもできます。オプティマスのハンドについては、NVIDIA の科学者ジム ファン氏が高く評価しました。オプティマスのハンドは、世界の 5 本指ロボットの 1 つです。最も器用。その手は触覚だけではありません

目標検出は自動運転システムにおいて比較的成熟した問題であり、その中でも歩行者検出は最も初期に導入されたアルゴリズムの 1 つです。ほとんどの論文では非常に包括的な研究が行われています。ただし、サラウンドビューに魚眼カメラを使用した距離認識については、あまり研究されていません。放射状の歪みが大きいため、標準のバウンディング ボックス表現を魚眼カメラに実装するのは困難です。上記の説明を軽減するために、拡張バウンディング ボックス、楕円、および一般的な多角形の設計を極/角度表現に探索し、これらの表現を分析するためのインスタンス セグメンテーション mIOU メトリックを定義します。提案された多角形モデルの FisheyeDetNet は、他のモデルよりも優れたパフォーマンスを示し、同時に自動運転用の Valeo 魚眼カメラ データセットで 49.5% の mAP を達成しました。

FP8 以下の浮動小数点数値化精度は、もはや H100 の「特許」ではありません。 Lao Huang は誰もが INT8/INT4 を使用できるようにしたいと考え、Microsoft DeepSpeed チームは NVIDIA からの公式サポートなしで A100 上で FP6 の実行を開始しました。テスト結果は、A100 での新しい方式 TC-FPx の FP6 量子化が INT4 に近いか、場合によってはそれよりも高速であり、後者よりも精度が高いことを示しています。これに加えて、エンドツーエンドの大規模モデルのサポートもあり、オープンソース化され、DeepSpeed などの深層学習推論フレームワークに統合されています。この結果は、大規模モデルの高速化にも即座に影響します。このフレームワークでは、シングル カードを使用して Llama を実行すると、スループットはデュアル カードのスループットの 2.65 倍になります。 1つ
