自律型AIを広範囲に導入することには重大な危険が伴う。
ポリマー強誘電体の電気熱機械的相乗効果を利用した、外部駆動なしで自己循環する軟質冷蔵庫の開発
拡散モデルを用いた行動クローニングにより、複雑なロボット操作タスクを効率的に学習できる。
ロボットが環境と相互作用しながら言語を学習することができる。
プロンプトエンジニアリングを使用して、構造化された知識表現からロボットのタスクツリーを生成することで、ロボットの学習を精密かつ生産的にすることができる。
ウェハースケールコンピューティングプラットフォームを活用して、進化計算プロセスの可視化と分析を行うための手法を提案している。
ロボットの連続進化を利用して、ソースロボットから複数のターゲットロボットにエキスパートポリシーを効率的に転送する。
混合現実、物体セグメンテーション、テレオペレーション、力フィードバック、可変自律性を統合したSARDiMフレームワークを提案し、EV電池の分解作業に適用することで、安全性と効率性を向上させる。
ロボットプランニングシステムでは、操作タスクに必要な空間関係を詳細にモデル化する一方で、物体の物理的属性や装置の効果は通常簡略化されて抽象的な複合属性で表現される。これにより、プランナーが代替案を見つける能力が制限される。我々は、これらの複合属性を共有された一連の基本属性に分解することを提案する。これにより、異なるタスクや環境間での一般化が大幅に促進され、革新的な解決策の発見に役立つ。一方で、この一般化によってソリューションスペースの複雑性が増大する。そのため、本論文の主要な貢献として、プランニング問題をビューのシーケンスに分割し、各ビューでは属性のサブセットのみを考慮する方法を提案する。この視点ベースの戦略は、プランニングの速度と見つかったプランの質の間で良好なバランスを提供し、その一般的な適用性と限界について議論する。
ロボットが物理的な世界で堅牢に行動できるようにするには、多様な可能性のシナリオを経験し、考えることが重要である。不確実性を定量化し評価することで、ロボットの意思決定の柔軟性と信頼性を高めることができる。