Des chercheurs proposent Demo2Reward, une technique d'adaptation en temps de test pour optimiser les modèles de récompense de Vision-Langage (VLMs) en robotique. Elle utilise quelques démonstrations pour réduire les faux positifs tout en préservant les vrais positifs, sans nécessiter d'entraînement supplémentaire du modèle.
Cet article présente l'algorithme C-DSAC, qui applique Soft Actor-Critic dans un cadre d'apprentissage par renforcement distributionnel en minimisant la distance de Cramér. Les résultats empiriques montrent que C-DSAC surpasse les méthodes existantes, en particulier dans les environnements de haute complexité, grâce à des mises à jour des valeurs Q basées sur la confiance.
Cet article présente une approche d'apprentissage par renforcement économe en communication, où une seule politique apprend à la fois les entrées de commande et les décisions de synchronisation, protégée par un bouclier de sécurité Lyapunov ponctuel. Une couche d'assurance d'exécution annule la politique pour fournir des garanties de sécurité plus strictes et obtenir des intervalles inter-échantillons moyens nettement plus élevés sur divers systèmes.
Cet article propose une nouvelle méthode d'exploitation forestière, URIEL, pour les forêts tropicales, combinant des techniques d'héli-abattage avec l'utilisation intensive de la robotique et de l'IA, intégrées à des traitements sylvicoles post-récolte effectués par des drones. L'étude démontre la viabilité économique élevée d'URIEL et sa capacité à éliminer pratiquement les dommages collatéraux aux forêts tout en maintenant les services écosystémiques.
Cet article explore trois nouvelles approches pour générer des morphologies d'ennemis dans les jeux vidéo, en se basant sur les informations de collision du joueur. Les méthodes proposées affichent des performances équivalentes ou supérieures à une base évolutive adaptée de travaux antérieurs en morphologie robotique.
Cet article introduit AURA-Mem, une nouvelle architecture de mémoire récurrente pour robots conçue pour maintenir une taille de VRAM constante. Contrairement au KV-cache, AURA-Mem utilise une porte apprise qui n'écrit que lorsque l'observation actuelle modifie la prochaine action, la rendant adaptée aux agents embarqués avec un matériel limité.
Les modèles du monde pour l'IA incarnée doivent être physiquement viables, représentant la structure physique qui gouverne les résultats des actions plutôt que de simplement prédire des observations futures. Cet article expose que les modèles prédictifs d'observation existants peuvent produire des déroulements visuellement plausibles mais physiquement erronés, et soutient que l'IA incarnée nécessite des modèles du monde qui identifient l'abstraction physique la plus simple pour répondre aux requêtes d'intervention.
Le professeur Alois Knoll, chercheur en robotique et IA, affirme que la véritable intelligence nécessite un corps, car les grands modèles de langage sont confinés à l'espace numérique et manquent d'expérience physique. Il souligne l'importance des robots humanoïdes pour collecter des données dans le monde réel, offrant un niveau de compréhension que l'analyse textuelle pure ne peut remplacer.
L'auteur a développé HAL-Proxy, une passerelle de couche d'abstraction matérielle "zero-trust" en Go, pour atténuer les risques d'hallucinations de l'IA dans les robots physiques. Il souligne la différence cruciale entre les défaillances de l'IA dans les logiciels et le matériel, où les erreurs peuvent entraîner des dommages physiques.
Cet article examine le concept de "rêves" de l'IA comme un pipeline asynchrone de consolidation de la mémoire qui s'exécute après les sessions utilisateur. Il soutient que cette approche architecturale est significative pour son impact sur l'économie d'inférence et soulève des questions sur la propriété des données.
Pelican-Unified 1.0 est présenté comme le premier modèle fondamental incarné, intégrant un seul VLM pour la compréhension, l'imagination et la génération d'actions en une seule passe. Cette approche unifiée surpasse les systèmes modulaires sur les benchmarks et simplifie le développement robotique.
Nanoleaf subit une "évolution de marque", passant de l'éclairage intelligent à l'IA incarnée, la robotique et le bien-être. L'entreprise a présenté de nouveaux produits dans ces domaines, visant à dépasser le marché "ennuyeux" de la maison connectée.
Le framework Distill-Belief résout le défi de la localisation et de la caractérisation inverse de sources (ISLC) pour les agents mobiles, en équilibrant correction et efficacité. Il propose un modèle enseignant-étudiant où un filtre particulaire bayésien correct guide un étudiant compact pour des décisions rapides et conscientes de l'incertitude en temps réel.
Gemini Robotics-ER 1.6 améliore les capacités de raisonnement incarné, spatial et multi-vues. Cette amélioration vise à renforcer l'exécution des tâches robotiques autonomes dans le monde réel.
Este conteúdo provavelmente explora a implantação de inteligência artificial em robótica para plataformas embarcadas. Abrange metodologias para gravação de conjuntos de dados, ajuste fino de modelos VLA e otimizações necessárias para execução eficiente em dispositivos com recursos limitados.
La startup d'IA Shift propose des services de nettoyage à domicile gratuits en échange de l'enregistrement des processus de nettoyage pour entraîner de futurs robots. L'entreprise a déclaré que la valeur des données d'entraînement générées est suffisante pour financer le service.
Meta a acquis Assured Robot Intelligence pour améliorer considérablement ses modèles d'IA humanoïde, une démarche stratégique qui reflète un effort pour intégrer des capacités robotiques avancées. Cette acquisition positionne Meta à l'avant-garde de l'innovation en automatisation, pouvant révolutionner les industries dépendantes de la robotique.
Cet article explore l'histoire contemporaine de la robotique, en contrastant les rêves ambitieux de créer des robots complexes et humanoïdes avec la réalité pratique du développement de machines plus spécialisées. Il met en lumière la quête continue des chercheurs pour concrétiser les robots avancés et intelligents souvent imaginés dans la science-fiction.
Alors que les systèmes d'IA maîtrisent le monde numérique, le domaine physique reste un défi majeur pour l'humanité. Des tâches comme plier le linge ou naviguer en ville s'avèrent plus difficiles pour l'IA que de composer des romans ou de coder des applications.
Le texte décrit des invitations à des applications payant en cryptomonnaie pour filmer des tâches quotidiennes ou contrôler à distance un bras robotique en Chine pour résoudre des puzzles. Ces scénarios illustrent des méthodes de collecte de données et d'interaction avec des systèmes d'IA/robotique.