


Drone semakin pintar! Pasukan Li Xuelong mencipta era baharu pertuturan mesin
Bahasa ialah sistem simbol yang paling penting untuk komunikasi dan pemikiran manusia, dan kuasa penting dalam mempromosikan tamadun manusia Jadi, bolehkah mesin menggunakan bahasa untuk berinteraksi, meluahkan apa yang mereka lihat, dengar, dan fikir, dan menjadi robot yang benar-benar pintar? ? Baru-baru ini, Profesor Li Xuelong dari Institut Optoelektronik dan Perisikan Universiti Politeknik Barat Laut dan rakan-rakannya telah membuat kemajuan inovatif dalam interaksi mesin: berdasarkan model besar yang dikeluarkan dalam negara, mereka membangunkan kawalan UAV "gaya sembang kumpulan" rangka kerja untuk setiap dron dilengkapi dengan otak, membolehkan kelompok dron bekerjasama secara dinamik dalam komunikasi bahasa, merealisasikan interaksi dialog "mesin manusia" dan "berbilang mesin" dalam persekitaran terbuka, memecahkan halangan interaksi antara manusia dan mesin, Senario aplikasi keselamatan tempatan diperluaskan lagi.
Model besar mempunyai keupayaan generalisasi yang sangat baik, yang menjadikan mereka sinar harapan untuk mencapai "kecerdasan buatan am". Walau bagaimanapun, hanya membaca banyak buku adalah jauh kurang berkesan daripada latihan tangan. Dalam persekitaran terbuka, model besar perlu benar-benar disepadukan ke dalam dunia fizikal untuk benar-benar memahami tugas yang kompleks dan menyelesaikan masalah praktikal
Baru-baru ini, pasukan Profesor Li Xuelong telah menjalankan penyelidikan inovatif tentang kelompok dron autonomi dalam persekitaran terbuka,Let Large model ambil sayap dan terbang ke kehidupan sebenar kita.
Diinspirasikan oleh model kognitif manusia, pasukan memekatkan tahap autonomi yang tinggi dalam pembentukan kognitif kepada "Pengiraan Pemikiran - Kawalan Entiti - Persepsi Persekitaran " "
""
" tiga dimensi yang telah ditetapkan rangka kerja kawalan "sembang kumpulan" untuk dron autonomi yang dipandu oleh model besar sumber terbuka "ShushengPuyu" merealisasikan interaksi pintar, persepsi aktif dan kawalan autonomi dalam persekitaran terbuka dan tugas yang kompleks, dan meningkatkan autonomi pelaksanaan misi dron.- Secara amnya, interaksi dialog seperti manusia, persepsi persekitaran aktif dan kawalan entiti autonomi ialah keupayaan utama kelompok dron autonomi.
Interaksi dialog seperti manusia
Rajah 1
Drone group chat communication
. prasyarat untuk merealisasikan dron autonomi.
Sebagai tindak balas kepada ini, pasukan mencadangkan kaedah interaksi dialog "sembang kumpulan", yang menukarkan pelbagai maklumat seperti bunyi, imej, dan status dron itu sendiri ke dalam bentuk dialog bahasa semula jadi melalui model besar, merealisasikan interaksi antara pengguna dan dron , dan interaksi autonomi dan intuitif antara dron. Pada masa yang sama, pasukan itu mereka bentuk mekanisme maklum balas masa nyata yang cekap yang membolehkan dron melaporkan status mereka melalui dialog dan mendapatkan pengesahan pengguna pada nod utama dalam pelaksanaan misi, meningkatkan kestabilan dan keselamatan pelaksanaan misi yang kompleks.
2. Kesedaran alam sekitar yang aktif
Temui dan mendekati sasaran secara aktif
Persekitaran yang dinamik mengelakkan halangan
sambil terbang Semasa proses itu, dron secara aktif mengesan persekitaran luaran dan melaraskan pelan misi dalam masa nyata, yang merupakan pautan utama dalam menyelesaikan tugas yang rumit. Sebagai tindak balas terhadap perkara ini, pasukan mereka bentuk mekanisme persepsi aktif untuk panduan tugasan dan mencadangkan pencarian altitud rendah gabungan pelbagai sensor, pengelakan halangan dinamik dan algoritma kedudukan visual. Semasa pelaksanaan misi sebenar, laluan penerbangan UAV dan postur pemerhatian dilaraskan secara dinamik berdasarkan maklumat yang dilihat dan matlamat misi
Cuba untuk melihat dunia sekeliling dari sudut dan kedudukan yang berbeza, secara beransur-ansur mengurangkan ketidakpastian dalam persekitaran, dan mencapai pengumpulan maklumat yang cekap. . dan pelaksanaan tugas🎜. 🎜🎜🎜3. 🎜🎜Kawalan autonomi🎜🎜Gambar 4 Terokai borang ejen komposit dan tingkatkan keupayaan pemprosesan tugas yang kompleks, adalah fokus penyelidikan ejen pintar baharu dalam era model besar.Sebagai tindak balas terhadap perkara ini, pasukan itu mereka bentuk efek akhir seperti penggenggam berdasarkan platform dron,
"robot terbang", yang mengembangkan "tangan" dan mempunyai keupayaan untuk menggenggam kebolehan. Pada masa yang sama, mekanisme
kawalan koperasi kluster dron heterogen dibina, yang menggabungkan maklum balas persepsi alam sekitar untuk melaraskan status penerbangan pembentukan dron dalam masa nyata, membolehkan kluster melaksanakan tugas seperti carian serantau, kedudukan sasaran dan merebut.
keselamatan di tapak yang lain. Bacaan lanjutan: Li Xuelong, Vicinagearth security, Communications of the China Computer Federation, 18(11), 44-52, 2022.Muat turun teks penuh:
https://dl.ccf.org.cn/ article/articleDetail.html?type=xhtx_thesis&_ack=1&id=6219452051015680Atas ialah kandungan terperinci Drone semakin pintar! Pasukan Li Xuelong mencipta era baharu pertuturan mesin. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Ia juga merupakan video Tusheng, tetapi PaintsUndo telah mengambil laluan yang berbeza. Pengarang ControlNet LvminZhang mula hidup semula! Kali ini saya menyasarkan bidang lukisan. Projek baharu PaintsUndo telah menerima 1.4kstar (masih meningkat secara menggila) tidak lama selepas ia dilancarkan. Alamat projek: https://github.com/lllyasviel/Paints-UNDO Melalui projek ini, pengguna memasukkan imej statik, dan PaintsUndo secara automatik boleh membantu anda menjana video keseluruhan proses mengecat, daripada draf baris hingga produk siap . Semasa proses lukisan, perubahan garisan adalah menakjubkan Hasil akhir video sangat serupa dengan imej asal: Mari kita lihat lukisan lengkap.

Lajur AIxiv ialah lajur di mana tapak ini menerbitkan kandungan akademik dan teknikal. Dalam beberapa tahun kebelakangan ini, lajur AIxiv laman web ini telah menerima lebih daripada 2,000 laporan, meliputi makmal terkemuka dari universiti dan syarikat utama di seluruh dunia, mempromosikan pertukaran dan penyebaran akademik secara berkesan. Jika anda mempunyai kerja yang sangat baik yang ingin anda kongsikan, sila berasa bebas untuk menyumbang atau hubungi kami untuk melaporkan. E-mel penyerahan: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Dalam proses pembangunan kecerdasan buatan, kawalan dan bimbingan model bahasa besar (LLM) sentiasa menjadi salah satu cabaran utama, bertujuan untuk memastikan model ini adalah kedua-duanya. berkuasa dan selamat untuk masyarakat manusia. Usaha awal tertumpu kepada kaedah pembelajaran pengukuhan melalui maklum balas manusia (RL

Lajur AIxiv ialah lajur di mana tapak ini menerbitkan kandungan akademik dan teknikal. Dalam beberapa tahun kebelakangan ini, lajur AIxiv laman web ini telah menerima lebih daripada 2,000 laporan, meliputi makmal terkemuka dari universiti dan syarikat utama di seluruh dunia, mempromosikan pertukaran dan penyebaran akademik secara berkesan. Jika anda mempunyai kerja yang sangat baik yang ingin anda kongsikan, sila berasa bebas untuk menyumbang atau hubungi kami untuk melaporkan. E-mel penyerahan: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com Semua pengarang kertas kerja ini adalah daripada pasukan guru Zhang Lingming di Universiti Illinois di Urbana-Champaign (UIUC), termasuk: Steven Code repair; pelajar kedoktoran tahun empat, penyelidik

Jika jawapan yang diberikan oleh model AI tidak dapat difahami sama sekali, adakah anda berani menggunakannya? Memandangkan sistem pembelajaran mesin digunakan dalam bidang yang lebih penting, menjadi semakin penting untuk menunjukkan sebab kita boleh mempercayai output mereka, dan bila tidak mempercayainya. Satu cara yang mungkin untuk mendapatkan kepercayaan dalam output sistem yang kompleks adalah dengan menghendaki sistem menghasilkan tafsiran outputnya yang boleh dibaca oleh manusia atau sistem lain yang dipercayai, iaitu, difahami sepenuhnya sehingga apa-apa ralat yang mungkin boleh dilakukan. dijumpai. Contohnya, untuk membina kepercayaan dalam sistem kehakiman, kami memerlukan mahkamah memberikan pendapat bertulis yang jelas dan boleh dibaca yang menjelaskan dan menyokong keputusan mereka. Untuk model bahasa yang besar, kita juga boleh menggunakan pendekatan yang sama. Walau bagaimanapun, apabila mengambil pendekatan ini, pastikan model bahasa menjana

Tunjukkan rantai sebab kepada LLM dan ia mempelajari aksiom. AI sudah pun membantu ahli matematik dan saintis menjalankan penyelidikan Contohnya, ahli matematik terkenal Terence Tao telah berulang kali berkongsi pengalaman penyelidikan dan penerokaannya dengan bantuan alatan AI seperti GPT. Untuk AI bersaing dalam bidang ini, keupayaan penaakulan sebab yang kukuh dan boleh dipercayai adalah penting. Penyelidikan yang akan diperkenalkan dalam artikel ini mendapati bahawa model Transformer yang dilatih mengenai demonstrasi aksiom transitiviti sebab pada graf kecil boleh digeneralisasikan kepada aksiom transitiviti pada graf besar. Dalam erti kata lain, jika Transformer belajar untuk melakukan penaakulan sebab yang mudah, ia boleh digunakan untuk penaakulan sebab yang lebih kompleks. Rangka kerja latihan aksiomatik yang dicadangkan oleh pasukan adalah paradigma baharu untuk pembelajaran penaakulan sebab berdasarkan data pasif, dengan hanya demonstrasi

sorakan! Bagaimana rasanya apabila perbincangan kertas adalah perkataan? Baru-baru ini, pelajar di Universiti Stanford mencipta alphaXiv, forum perbincangan terbuka untuk kertas arXiv yang membenarkan soalan dan ulasan disiarkan terus pada mana-mana kertas arXiv. Pautan laman web: https://alphaxiv.org/ Malah, tidak perlu melawati tapak web ini secara khusus. Hanya tukar arXiv dalam mana-mana URL kepada alphaXiv untuk terus membuka kertas yang sepadan di forum alphaXiv: anda boleh mencari perenggan dengan tepat dalam. kertas itu, Ayat: Dalam ruang perbincangan di sebelah kanan, pengguna boleh menyiarkan soalan untuk bertanya kepada pengarang tentang idea dan butiran kertas tersebut Sebagai contoh, mereka juga boleh mengulas kandungan kertas tersebut, seperti: "Diberikan kepada

Baru-baru ini, Hipotesis Riemann, yang dikenali sebagai salah satu daripada tujuh masalah utama milenium, telah mencapai kejayaan baharu. Hipotesis Riemann ialah masalah yang tidak dapat diselesaikan yang sangat penting dalam matematik, berkaitan dengan sifat tepat taburan nombor perdana (nombor perdana ialah nombor yang hanya boleh dibahagikan dengan 1 dan dirinya sendiri, dan ia memainkan peranan asas dalam teori nombor). Dalam kesusasteraan matematik hari ini, terdapat lebih daripada seribu proposisi matematik berdasarkan penubuhan Hipotesis Riemann (atau bentuk umumnya). Dalam erti kata lain, sebaik sahaja Hipotesis Riemann dan bentuk umumnya dibuktikan, lebih daripada seribu proposisi ini akan ditetapkan sebagai teorem, yang akan memberi kesan yang mendalam terhadap bidang matematik dan jika Hipotesis Riemann terbukti salah, maka antara cadangan ini sebahagian daripadanya juga akan kehilangan keberkesanannya. Kejayaan baharu datang daripada profesor matematik MIT Larry Guth dan Universiti Oxford

Pada masa ini, model bahasa berskala besar autoregresif menggunakan paradigma ramalan token seterusnya telah menjadi popular di seluruh dunia Pada masa yang sama, sejumlah besar imej dan video sintetik di Internet telah menunjukkan kepada kami kuasa model penyebaran. Baru-baru ini, pasukan penyelidik di MITCSAIL (salah seorang daripadanya ialah Chen Boyuan, pelajar PhD di MIT) berjaya menyepadukan keupayaan berkuasa model resapan jujukan penuh dan model token seterusnya, dan mencadangkan paradigma latihan dan pensampelan: Diffusion Forcing (DF). ). Tajuk kertas: DiffusionForcing:Next-tokenPredictionMeetsFull-SequenceDiffusion Alamat kertas: https:/
