為了解決機器人鋼琴演奏中多任務學習的挑戰,本文介紹了一個大規模的機器人鋼琴演奏運動數據集 RP1M,並提出了一種基於最佳傳輸的自動指法標註方法,為訓練能夠彈奏多首歌曲的機器人提供了數據基礎。
인간 수준의 손재주를 가진 로봇을 만들기 위한 노력의 일환으로, 방대한 양의 로봇 피아노 연주 데이터셋인 RP1M을 통해 로봇의 양손 협응 동작 학습을 위한 새로운 지평을 열었습니다.
This paper introduces RP1M, a large-scale dataset of robot piano playing motions, and demonstrates its use in training robots to play piano with human-like dexterity through imitation learning.
NOLO는 사전 훈련된 객체 감지기 및 광류 모델을 활용하여 새로운 환경에서도 추가적인 미세 조정이나 재교육 없이 단일 문맥 비디오만 보고 탐색 작업을 수행할 수 있는 인공지능 에이전트를 훈련시키는 것을 목표로 합니다.
本文提出了一種名為 Corki 的軟硬體協同設計框架,用於解決當前具身 AI 機器人控制中存在的延遲問題,通過預測未來軌跡、硬體加速和優化執行流程,顯著提升機器人控制的即時性和效率。
본 논문에서는 실시간 임베디드 AI 로봇 제어를 위한 알고리즘-아키텍처 공동 설계 프레임워크인 Corki를 제안하여 LLM 추론 빈도를 줄이고 로봇 제어를 가속화하여 기존 시스템 대비 최대 3.6배 빠른 속도와 향상된 성공률을 달성했습니다.
実世界のタスクを実行するAIロボットの低遅延化と高精度化を実現するために、LLM推論、ロボット制御、データ通信を分離し、協調設計されたアルゴリズムとハードウェアアーキテクチャを採用する必要がある。
This paper introduces Corki, an algorithm-architecture co-design framework that enhances the real-time performance of embodied AI robots by predicting future trajectories to reduce LLM inference frequency and utilizing a hardware accelerator for seamless control signal generation.
針對無人機軌跡優化中模型不匹配導致控制性能下降的問題,本文提出了一種基於鬆弛模型參數的高效估計方法,通過將非線性模型轉換為參數仿射模型,並結合移動視窗參數估計方法,實現了快速、穩健的模型自適應控制,顯著提升了無人機軌跡優化的效率和穩定性。
본 논문에서는 비선형 무인항공기(UAV) 모델을 파라미터에 대해 아핀(affine) 형태로 변환하여 계산 효율성을 높이는 새로운 파라미터 추정 기법인 LQ-MHPE를 제안하고, 이를 통해 모델 불확실성 하에서도 적응형 모델 예측 제어(MPC)를 가능하게 한다.