공장에서 일하는 테슬라 로봇, 머스크 : 올해 손의 자유도가 22도에 달할 것!
Tesla RobotOptimus최신 영상이 나왔고, 이미 공장에서 작동이 가능합니다.
정상 속도에서는 배터리를 분류합니다 (Tesla의 4680 배터리) 다음과 같습니다:
공식은 또한 작은 "워크스테이션"에서 20배속의 모습을 공개했습니다.
이번 공개된 영상의 하이라이트 중 하나는 옵티머스가 전 과정에 사람의 개입 없이 완전 자율으로 공장에서 이 작업을 완료한다는 점입니다.
그리고 Optimus의 관점에서 볼 때 자동 오류 수정 기능을 통해 구부러진 배터리를 집어 넣을 수도 있습니다.
Optimus의 손을 위해 NVIDIA 과학자 Jim Fan이 극찬:
Musk옵티머스의 손은 세계의 다섯 손가락 로봇 중 가장 능숙한 손 중 하나입니다.
손에 촉각 감지 기능이 있을 뿐만 아니라 자유도(DoF)가 11도인 반면, 동료 제품은 기본적으로 자유도가 5~6도에 불과합니다. 그리고 지속적인 유지 관리 없이도 많은 물체 상호 작용을 견딜 수 있을 만큼 내구성이 뛰어납니다.
그리고 Jim Fan의 댓글란에는
도 등장해 더욱 큰 소식을 공개했습니다.
올해 말에는옵티머스 손의 자유도가 22도가 됩니다!
그러나 옵티머스가 자체 배터리를 분류하는 영상은 그저 '에피타이저'에 불과합니다.
이번 Tesla는 로봇 훈련에 대한 세부 사항을 거의 공개하지 않았습니다.
Tesla 자동차와 유사한 논리
우선 신경망 측면에서 영상 자막을 보면 Tesla가 배터리 정렬 작업을 훈련하기 위해 Optimus에
엔드 투 엔드 신경망을 배포했음을 알 수 있습니다. 이 때문에 Optimus가 사용하는 데이터는 2D 카메라와 손의 터치 및 힘 센서에서만 제공되며 관절 제어 시퀀스를 직접 생성합니다.
Tesla 엔지니어
는 이 신경망이 전적으로 로봇의 내장 FSD 컴퓨터에서 실행되고 온보드 배터리로 구동된다고 밝혔습니다.
훈련 과정에서 더 많은 것을 추가하면 단일 신경망이 수행할 수 있는 작업 다양한 데이터를 사용하는 여러 작업.훈련 데이터의 경우 VR 안경과 장갑을 착용한 인간이 원격 조작을 통해 데이터를 수집하는 것을 볼 수 있습니다.
이에 대해 Jim Fan은 다음과 같이 믿습니다.
매우 낮은 대기 시간을 유지하면서 1인칭 비디오 스트리밍 입력을 위한 소프트웨어를 설정하고 스트리밍 출력을 정밀하게 제어하는 것이 매우 중요합니다.
인간은 자신의 움직임과 로봇의 움직임 사이의 아주 작은 지연에도 매우 민감하기 때문입니다.
그리고 Optimus에는 실시간으로 인간의 포즈를 수행할 수 있는 유연한 전신 컨트롤러가 있습니다.
그리고 Tesla Robot은 이 모델을 다른 작업으로 확장했습니다.
이러한 규모는 Jim Fan에게도 충격을 주었습니다.
병렬로 데이터를 수집하는 로봇 한 대로는 충분하지 않으며, 인간은 매일 교대 근무를 해야 합니다. 낮.
이 정도 규모의 작업은 학술 연구실에서는 상상할 수 없을 수도 있습니다.
그뿐만 아니라 영상 속 옵티머스가 수행하는 작업을 보면 배터리 분류, 옷 개기, 물건 정리 등 그 활동도 다양합니다.
Milan Kovac은 Tesla가 공장 중 하나에 여러 대의 로봇을 배치했으며 매일 실제 워크스테이션에서 테스트하고 지속적으로 개선하고 있다고 말했습니다.
간단히 말하면 옵티머스는 비전과 인간의 시연에만 기반해 훈련하는데, 이는 테슬라 자동차의 논리와 다소 유사합니다.
영상 말미에 관계자는 옵티머스의 또 다른 성능 향상도 공개했습니다 - can go 더 멀리:
One More Thing
이틀 동안 Jim Fan의 연구실도 여기에 있습니다. 새로운 개발이 이루어졌습니다. 출시 -
로봇 강아지가 요가볼 위를 걷게 해주세요!
그리고 훈련 방법은 Tesla Optimus와 완전히 다릅니다. 완전히 시뮬레이션 환경에서 수행된 후, 미세 조정 없이 샘플 없이 현실 세계로 마이그레이션되어 직접 실행됩니다.
그 뒤에 있는 구체적인 기술은 팀이 새로 출시한 DrEureka입니다. 이는 이전 다섯 손가락 로봇 펜 회전 기계의 기술인 Eureka를 기반으로 합니다.
DrEureka는 시뮬레이션에서 로봇의 기술을 훈련하기 위한 코드를 작성하고, 어려운 시뮬레이션과 현실 사이의 격차를 해소하기 위해 더 많은 코드를 작성할 수 있는 LLM 에이전트입니다.
간단히 말하면, 새로운 기술 학습부터 실제 배포까지의 프로세스를 완전히 자동화합니다.
Tesla Optimus와 NVIDIA 로봇견의 훈련 방법을 비교하면서 Jim Fan은 영혼 요약도 만들었습니다.
휴머노이드 로봇의 문제를 해결하기 위해서는 원격 조작이 필요하지만 충분하지 않습니다. 기본적으로는 확장되지 않습니다.
그리고 일부 네티즌들은 이에 동의했습니다:
그래서 어떻게 생각하시나요?
위 내용은 공장에서 일하는 테슬라 로봇, 머스크 : 올해 손의 자유도가 22도에 달할 것!의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











0. 이 글은 어떤 내용을 담고 있나요? 우리는 다재다능하고 빠른 최첨단 생성 단안 깊이 추정 모델인 DepthFM을 제안합니다. DepthFM은 전통적인 깊이 추정 작업 외에도 깊이 인페인팅과 같은 다운스트림 작업에서 최첨단 기능을 보여줍니다. DepthFM은 효율적이며 몇 가지 추론 단계 내에서 깊이 맵을 합성할 수 있습니다. 이 작품을 함께 읽어보아요~ 1. 논문 정보 제목: DepthFM: FastMoncularDepthEstimationwithFlowMatching 저자: MingGui, JohannesS.Fischer, UlrichPrestel, PingchuanMa, Dmytr

기존 컴퓨팅을 능가할 뿐만 아니라 더 낮은 비용으로 더 효율적인 성능을 달성하는 인공 지능 모델을 상상해 보세요. 이것은 공상과학 소설이 아닙니다. DeepSeek-V2[1], 세계에서 가장 강력한 오픈 소스 MoE 모델이 여기에 있습니다. DeepSeek-V2는 경제적인 훈련과 효율적인 추론이라는 특징을 지닌 전문가(MoE) 언어 모델의 강력한 혼합입니다. 이는 236B 매개변수로 구성되며, 그 중 21B는 각 마커를 활성화하는 데 사용됩니다. DeepSeek67B와 비교하여 DeepSeek-V2는 더 강력한 성능을 제공하는 동시에 훈련 비용을 42.5% 절감하고 KV 캐시를 93.3% 줄이며 최대 생성 처리량을 5.76배로 늘립니다. DeepSeek은 일반 인공지능을 연구하는 회사입니다.

AI는 실제로 수학을 변화시키고 있습니다. 최근 이 문제에 주목하고 있는 타오저쉬안(Tao Zhexuan)은 '미국수학회지(Bulletin of the American Mathematical Society)' 최신호를 게재했다. '기계가 수학을 바꿀 것인가?'라는 주제를 중심으로 많은 수학자들이 그들의 의견을 표현했습니다. 저자는 필즈상 수상자 Akshay Venkatesh, 중국 수학자 Zheng Lejun, 뉴욕대학교 컴퓨터 과학자 Ernest Davis 등 업계의 유명 학자들을 포함해 강력한 라인업을 보유하고 있습니다. AI의 세계는 극적으로 변했습니다. 이 기사 중 상당수는 1년 전에 제출되었습니다.

Boston Dynamics Atlas가 공식적으로 전기 로봇 시대에 돌입했습니다! 어제 유압식 Atlas가 역사의 무대에서 "눈물을 흘리며" 물러났습니다. 오늘 Boston Dynamics는 전기식 Atlas가 작동 중이라고 발표했습니다. 상업용 휴머노이드 로봇 분야에서는 보스턴 다이내믹스가 테슬라와 경쟁하겠다는 각오를 다진 것으로 보인다. 새 영상은 공개된 지 10시간 만에 이미 100만 명이 넘는 조회수를 기록했다. 옛 사람들은 떠나고 새로운 역할이 등장하는 것은 역사적 필연이다. 올해가 휴머노이드 로봇의 폭발적인 해라는 것은 의심의 여지가 없습니다. 네티즌들은 “로봇의 발전으로 올해 개막식도 인간처럼 생겼고, 자유도도 인간보다 훨씬 크다. 그런데 정말 공포영화가 아닌가?”라는 반응을 보였다. 영상 시작 부분에서 아틀라스는 바닥에 등을 대고 가만히 누워 있는 모습입니다. 다음은 입이 떡 벌어지는 내용이다

지연이 발생하고 iPhone의 모바일 데이터 연결 속도가 느립니까? 일반적으로 휴대폰의 셀룰러 인터넷 강도는 지역, 셀룰러 네트워크 유형, 로밍 유형 등과 같은 여러 요소에 따라 달라집니다. 더 빠르고 안정적인 셀룰러 인터넷 연결을 얻기 위해 할 수 있는 일이 몇 가지 있습니다. 수정 1 – iPhone 강제 다시 시작 때로는 장치를 강제로 다시 시작하면 셀룰러 연결을 포함한 많은 항목이 재설정됩니다. 1단계 – 볼륨 높이기 키를 한 번 눌렀다가 놓습니다. 그런 다음 볼륨 작게 키를 눌렀다가 다시 놓습니다. 2단계 - 프로세스의 다음 부분은 오른쪽에 있는 버튼을 누르는 것입니다. iPhone이 다시 시작되도록 하세요. 셀룰러 데이터를 활성화하고 네트워크 속도를 확인하세요. 다시 확인하세요 수정 2 – 데이터 모드 변경 5G는 더 나은 네트워크 속도를 제공하지만 신호가 약할 때 더 잘 작동합니다

이달 초 MIT와 기타 기관의 연구자들은 MLP에 대한 매우 유망한 대안인 KAN을 제안했습니다. KAN은 정확성과 해석성 측면에서 MLP보다 뛰어납니다. 그리고 매우 적은 수의 매개변수로 더 많은 수의 매개변수를 사용하여 실행되는 MLP보다 성능이 뛰어날 수 있습니다. 예를 들어 저자는 KAN을 사용하여 더 작은 네트워크와 더 높은 수준의 자동화로 DeepMind의 결과를 재현했다고 밝혔습니다. 구체적으로 DeepMind의 MLP에는 약 300,000개의 매개변수가 있는 반면 KAN에는 약 200개의 매개변수만 있습니다. KAN은 MLP와 같이 강력한 수학적 기반을 가지고 있으며, KAN은 Kolmogorov-Arnold 표현 정리를 기반으로 합니다. 아래 그림과 같이 KAN은

표적 탐지는 자율주행 시스템에서 상대적으로 성숙한 문제이며, 그 중 보행자 탐지는 가장 먼저 배포되는 알고리즘 중 하나입니다. 대부분의 논문에서 매우 포괄적인 연구가 수행되었습니다. 그러나 서라운드 뷰를 위한 어안 카메라를 사용한 거리 인식은 상대적으로 덜 연구되었습니다. 큰 방사형 왜곡으로 인해 표준 경계 상자 표현은 어안 카메라에서 구현하기 어렵습니다. 위의 설명을 완화하기 위해 확장된 경계 상자, 타원 및 일반 다각형 디자인을 극/각 표현으로 탐색하고 인스턴스 분할 mIOU 메트릭을 정의하여 이러한 표현을 분석합니다. 제안된 다각형 형태의 모델 fisheyeDetNet은 다른 모델보다 성능이 뛰어나며 동시에 자율 주행을 위한 Valeo fisheye 카메라 데이터 세트에서 49.5% mAP를 달성합니다.

세상은 미친 듯이 큰 모델을 만들고 있습니다. 인터넷의 데이터만으로는 충분하지 않습니다. 훈련 모델은 '헝거게임'처럼 생겼고, 전 세계 AI 연구자들은 이러한 데이터를 탐식하는 사람들에게 어떻게 먹이를 줄지 고민하고 있습니다. 이 문제는 다중 모드 작업에서 특히 두드러집니다. 아무것도 할 수 없던 시기에, 중국 인민대학교 학과의 스타트업 팀은 자체 새로운 모델을 사용하여 중국 최초로 '모델 생성 데이터 피드 자체'를 현실화했습니다. 또한 이해 측면과 생성 측면의 두 가지 접근 방식으로 양측 모두 고품질의 다중 모드 새로운 데이터를 생성하고 모델 자체에 데이터 피드백을 제공할 수 있습니다. 모델이란 무엇입니까? Awaker 1.0은 중관촌 포럼에 최근 등장한 대형 멀티모달 모델입니다. 팀은 누구입니까? 소폰 엔진. 런민대학교 힐하우스 인공지능대학원 박사과정 학생인 Gao Yizhao가 설립했습니다.
