Robotyka

Beijing Academy of Artificial Intelligence (BAAI) przedstawiło RoboBrain 2.0, model wizualno-językowy, który integruje percepcję, rozumowanie i planowanie, otwierając nowe możliwości w robotyce.

NVIDIA prezentuje GraspGen, innowacyjne podejście do chwytania robotycznego, które wykorzystuje modele dyfuzyjne i dane syntetyczne, by znacząco zwiększyć precyzję i niezawodność manipulacji w złożonych środowiskach. To zapowiedź nowej ery w automatyzacji przemysłowej i robotyce serwisowej.

Naukowcy z MIT opracowali system głębokiego uczenia, który umożliwia miękkim robotom precyzyjne ruchy i sterowanie, wykorzystując jedynie obraz z pojedynczej kamery. To znacząco upraszcza budowę i programowanie biorąc pod uwagę złożoność i koszty tradycyjnych systemów.

Hugging Face, firma wyceniana na 4,5 miliarda dolarów, wprowadziła na rynek robota Reachy Mini, który może zrewolucjonizować przemysł robotyki dzięki swojej cenie i otwartemu oprogramowaniu.

W przełomowym osiągnięciu, naukowcy z University of Leeds i University College London opracowali system AI pozwalający czteronożnym robotom na adaptację chodu do nieznanego terenu. Inspirując się zwinnością zwierząt, technologia ta umożliwia maszynom autonomiczną zmianę stylu poruszania się, otwierając nowe możliwości wykorzystania robotów w środowiskach zbyt niebezpiecznych dla ludzi.

Model PEVA, opracowany przez badaczy z UC Berkeley, Meta FAIR i New York University, rewolucjonizuje prognozowanie wideo egocentrycznego poprzez szczegółowe uwzględnienie ruchów całego ciała człowieka, otwierając nowe perspektywy dla inteligentnych systemów i robotyki.

Hugging Face wprowadza na rynek programowalne roboty Reachy Mini, które pomimo swojej prostoty i otwartego kodu źródłowego, zaskakują potencjałem sprzedażowym i otwierają dyskusję na temat przyszłości fizycznych produktów AI.

Diligent Robotics, twórca robotów Moxi wspomagających szpitale, ogłosił strategiczne wzmocnienie zespołu zarządzającego. Do firmy dołączyli Rashed Haq jako CTO i Todd Brugger jako COO, obaj z bogatym doświadczeniem wyniesionym z Cruise, giganta autonomicznej jazdy. Ruch ten sygnalizuje ambicje Diligent Robotics w obszarze masowego skalowania swoich innowacyjnych rozwiązań.

Zbieranie dużych ilości danych treningowych dla zręcznych rąk robotycznych stanowiło dotąd poważne wyzwanie, ograniczając ich zastosowanie. Naukowcy z UC San Diego przedstawili Dex1B, miliardowy zbiór danych, który może zrewolucjonizować tę dziedzinę, oferując bezprecedensową skalę i różnorodność.