• 面对日益减少的蜂群,科学家们正在用机器人和智能蜂巢武装蜂王

    面对日益减少的蜂群,科学家们正在用机器人和智能蜂巢武装蜂王

    无论是新闻报道还是撞击挡风玻璃的生物数量不断减少,您都无法忽视昆虫世界的状况很糟糕。过去三十年里,全球飞虫生物量减少了75%。这一趋势最著名的受害者之一是世界上最重要的传粉媒介蜜蜂。在美国,仅 2023 年就有48% 的蜂群死亡,成为有记录以来第二高死亡年份。这种重大损失的部分原因是蜂群崩溃综合症(CCD),即蜜蜂的突然消失。相比之下,欧洲国家报告的蜂群损失率较低,但仍然令人担忧,从 6% 到 32% 不等。这种下降导致我们许多重要粮食作物授粉不足,这种现象威胁着我们社会的粮...

    作者:ROBOT@qwh    日期:2024.01.16    分类:机器人 942
  • 机器人模拟器Pyrobosim 介绍

    机器人模拟器Pyrobosim 介绍

    ROS 2 支持 2D 移动机器人模拟器进行行为原型设计。pyrobosim由多边形层次结构实体组成,包括:机器人:一种可移动的实体,能够采取行动来改变自身状态和世界状态。房间:机器人可以导航的区域。走廊:连接两个房间的区域,机器人也可以在其中导航。位置:房间内可能包含物体(例如家具)的区域。对象生成:对象可能存在的位置的子区域(例如,左侧与右侧台面)。对象:可以在世界各地操作的离散实体。这一切均在 2.5D 环境中表示(具有垂直 (Z) 高度的 SE(2) 姿势)。 然而,...

    作者:ROBOT@qwh    日期:2023.12.19    分类:机器人 1069
  • 一种自动确定计算机游戏状态中可能动作的方法

    一种自动确定计算机游戏状态中可能动作的方法

    由于手动彻底测试视频游戏软件非常困难,因此需要拥有能够自动探索不同游戏功能的人工智能代理。此类代理的关键要求是玩家动作的模型,代理可以使用该模型来确定不同游戏状态下的可能动作集,以及对代理策略选择的游戏执行选定的动作。目前使用的典型游戏引擎不提供这样的动作模型,导致现有的工作要么需要人工手动定义动作模型,要么不精确地猜测可能的动作。在我们的工作中,我们通过为游戏中存在的用户输入处理逻辑开发最先进的分析方法来演示程序分析如何有效解决该问题,该分析可以使用离散动作空间自动建模游戏...

    作者:ROBOT@qwh    日期:2023.12.07    分类:人工智能 1146
  • 使用众包反馈来帮助训练机器人

    使用众包反馈来帮助训练机器人

    为了教人工智能代理一项新任务,比如如何打开厨房柜子,研究人员经常使用强化学习——这是一种试错过程,在该过程中,代理会因采取更接近目标的行动而获得奖励。在许多情况下,人类专家必须仔细设计奖励函数,这是一种激励机制,赋予代理人探索的动力。当智能体探索并尝试不同的动作时,人类专家必须迭代地更新奖励函数。这可能非常耗时、效率低下,并且难以扩展,尤其是当任务复杂且涉及许多步骤时。来自麻省理工学院、哈佛大学和华盛顿大学的研究人员开发了一种新的强化学习方法,该方法不依赖于专门设计的奖励函数...

    作者:ROBOT@qwh    日期:2023.11.29    分类:机器人 1309
  • 康普顿未来智慧农场

    康普顿未来智慧农场

    康普顿未来农场,使用更少的水和1%的土地,即可实现与产统农业相同产量....

    作者:airobotnews    日期:2023.11.28    分类:机器人 1230
  • 当机器人帮助完成任务时,人类会变得更懒吗?

    当机器人帮助完成任务时,人类会变得更懒吗?

    “社交偷懒”是一种现象,当团队成员因为知道其他人会替他们工作而开始减少努力时就会发生。科学家们调查这种情况是否发生在机器人和人类结合工作的团队中,发现执行质量保证任务的人类在被告知机器人已经检查过一件物品时发现的错误较少,这表明他们依赖机器人并且较少关注工作。现在,技术的进步意味着一些机器人可以与人类一起工作,有证据表明,这些人类已经学会将它们视为队友,而团队合作可以对人们的表现产生消极和积极的影响。人们有时会放松,让同事做工作。这被称为“社交偷懒”,当人们知道自己的贡献不会...

    作者:airobotnews    日期:2023.11.16    分类:机器人 749
  • CIFAR-10--人工智能数据集

    CIFAR-10--人工智能数据集

    由 Krizhevsky 等人提出。从微小图像中学习多层特征CIFAR -10数据集(加拿大高级研究所,10 个类别)是 Tiny Images 数据集的子集,由 60000 张 32x32 彩色图像组成。这些图像标有 10 个相互排斥的类别之一:飞机、汽车(但不是卡车或皮卡车)、鸟、猫、鹿、狗、青蛙、马、船和卡车(但不是皮卡车)。每类有 6000 张图像,每类有 5000 张训练图像和 1000 张测试图像。判断图像是否属于某个类的标准如下:类名应该位于“这张图片...

    作者:ROBOT@qwh    日期:2023.11.13    分类:人工智能 290
  • 机器人烹饪方法YORI

    机器人烹饪方法YORI

    由加州大学洛杉矶分校的机器人与机械实验室一直在研究,既利用机器人友好的自动化,又利用人类技能,使事物味道正确,的烹饪机器人解决方案。   论文链接:https://spectrum.ieee.org/romela-cooking-robot...

    作者:ROBOT@qwh    日期:2023.10.17    分类:机器人 645
  • 重新定义机器人技术:普渡大学的创新机器视觉解决方案

    重新定义机器人技术:普渡大学的创新机器视觉解决方案

    受人尊敬的普渡大学的研究人员在机器人、机器视觉和感知领域取得了重大飞跃。他们的突破性方法比传统技术有了显着的改进,有望在未来机器比以往任何时候都更有效、更安全地感知周围环境。介绍HADAR:机器感知的革命性飞跃Elmore电气和计算机工程副教授Zubin Jacob与研究科学家Fanglin Bao合作,介绍了一种名为HADAR的开创性方法,是热辅助检测和测距的缩写。他们的创新引起了极大的关注,这种认可扩大了人们对HADAR在各个领域的潜在应用的预期。传统上,机器感知依赖于激...

    作者:ROBOT@qwh    日期:2023.10.12    分类:机器人 259
  • 手指形传感器使机器人更加灵巧

    手指形传感器使机器人更加灵巧

    麻省理工学院的研究人员开发了一种基于摄像头的触摸传感器,它又长又弯曲,形状像人类的手指。他们的设备在大面积上提供高分辨率的触觉感应,可以使机器人手执行多种类型的抓取。图片:由研究人员提供作者:亚当·泽维 |麻省理工学院新闻想象一下,用一只手抓住一个重物,比如管扳手。您可能会用整个手指抓住扳手,而不仅仅是指尖。皮肤中的感觉受体沿着每个手指的整个长度运行,会向你的大脑发送有关你正在掌握的工具的信息。在机器人手中,使用摄像头获取有关抓取物体信息的触觉传感器又小又扁,因此它们通常位于...

    作者:ROBOT@qwh    日期:2023.10.10    分类:机器人 302
热门文章
  • 使用众包反馈来帮助训练机器人

    使用众包反馈来帮助训练机器人
    为了教人工智能代理一项新任务,比如如何打开厨房柜子,研究人员经常使用强化学习——这是一种试错过程,在该过程中,代理会因采取更接近目标的行动而获得奖励。在许多情况下,人类专家必须仔细设计奖励函数,这是一种激励机制,赋予代理人探索的动力。当智能体探索并尝试不同的动作时,人类专家必须迭代地更新奖励函数。这可能非常耗时、效率低下,并且难以扩展,尤其是当任务复杂且涉及许多步骤时。来自麻省理工学院、哈佛大学和华盛顿大学的研究人员开发了一种新的强化学习方法,该方法不依赖于专门设计的奖励函数...
  • 康普顿未来智慧农场

    康普顿未来智慧农场
    康普顿未来农场,使用更少的水和1%的土地,即可实现与产统农业相同产量....
  • 拆解 OpenAI 的新董事会

    拆解 OpenAI 的新董事会
    在人工智能和技术领域掀起波澜的惊人事件中,人工智能领域的领先实体 OpenAI 最近的领导地位发生了重大转变。以萨姆·奥尔特曼 (Sam Altman) 戏剧性地重返首席执行官职位以及随之而来的董事会改组为标志,这些变化代表了该组织的关键时刻。OpenAI 以其在人工智能研究和开发方面的开创性工作而闻名,包括广泛认可的 ChatGPT 和 DALL-E 模型,站在人工智能进步的最前沿。因此,董事会的重组不仅仅是人员的变动,还标志着人工智能领域最具影响力的组织之一的方向、优先事...
  • 一种自动确定计算机游戏状态中可能动作的方法

    一种自动确定计算机游戏状态中可能动作的方法
    由于手动彻底测试视频游戏软件非常困难,因此需要拥有能够自动探索不同游戏功能的人工智能代理。此类代理的关键要求是玩家动作的模型,代理可以使用该模型来确定不同游戏状态下的可能动作集,以及对代理策略选择的游戏执行选定的动作。目前使用的典型游戏引擎不提供这样的动作模型,导致现有的工作要么需要人工手动定义动作模型,要么不精确地猜测可能的动作。在我们的工作中,我们通过为游戏中存在的用户输入处理逻辑开发最先进的分析方法来演示程序分析如何有效解决该问题,该分析可以使用离散动作空间自动建模游戏...
  • 在音频中将你的描述和内容分开模型AudioSep

    在音频中将你的描述和内容分开模型AudioSep
    语言查询音频源分离(LASS)是计算听觉场景分析(CASA)的新范例。LASS 旨在根据自然语言查询从音频混合物中分离出目标声音,这为数字音频应用程序提供了自然且可扩展的接口。最近的 LASS 工作尽管在特定源(例如乐器、有限类别的音频事件)上取得了有希望的分离性能,但无法在开放域中分离音频概念。在这项工作中,我们介绍了 AudioSep,这是一种使用自然语言查询进行开放域音频源分离的基础模型。我们在大规模多模态数据集上训练 AudioSep,并广泛评估其在音频事件分离、乐器...