Sail关键词检索结果

Rodney Brooks 的机器人三定律

Rodney Brooks’s Three Laws of Robotics

Rodney Brooks 是麻省理工学院的松下机器人学教授(名誉教授),他曾担任 AI 实验室主任,后来担任 CSAIL 主任。他是 iRobot、Rethink Robotics 和 Robust AI 的联合创始人,目前担任 Robust AI 的首席技术官。本文经其博客授权转载。以下是我在机器人领域工作近五十年后学到的一些知识。为了纪念我儿时最崇拜的两位科幻小说作家艾萨克·阿西莫夫和亚瑟·克拉克,我将它们称为我的机器人三定律。机器人的外观预示着它能做什么以及它有多聪明。它需要兑现或略微超额兑现这一承诺,否则将不会被接受。当机器人和人共存于同一空间时,机器人绝不能剥夺人的自主权,特别是当

视频星期五:加州大学伯克利分校的小型人形机器人

Video Friday: UC Berkeley’s Little Humanoid

视频星期五是每周精选的精彩机器人视频,由 IEEE Spectrum robotics 的朋友收集。我们还发布未来几个月即将举行的机器人活动的每周日历。请将您的活动发送给我们以供收录。ICRA@40:2024 年 9 月 23-26 日,荷兰鹿特丹SIROS 2024:2024 年 10 月 14-18 日,阿联酋阿布扎比SICSR 2024:2024 年 10 月 23-26 日,丹麦奥登塞Cybathlon 2024:2024 年 10 月 25-27 日,苏黎世享受今天的视频!我们推出了 Berkeley Humanoid,这是一个可靠且低成本的中型人形机器人研究平台,用于基于学习的控制

精密家用机器人通过真实到模拟到真实的学习

Precision home robots learn with real-to-sim-to-real

CSAIL 的研究人员介绍了一种新颖的方法,允许机器人在扫描的家庭环境模拟中进行训练,为任何人都可以使用的定制家庭自动化铺平了道路。

对大型语言模型的推理能力存在高估

Det finns en överskattning av stora språkmodellers resonemangsförmåga

麻省理工学院计算机科学与人工智能实验室 (CSAIL) 的一项新研究强调了大型语言模型 (LLM) 在熟悉的场景中表现出色,但在新的场景中却表现不佳,这让人质疑它们真正的推理能力与对记忆的依赖。这种见解对于提高这些模型的适应性和扩展其应用领域至关重要。该研究比较了“标准任务”,[…]这篇文章首次出现在人工智能新闻上。

AI 模型性能:是推理还是简单背诵?

AI model performance: Is it reasoning or simply reciting?

当 ChatGPT 为您的提示提供正确答案时,它是通过请求进行推理还是仅仅记住训练数据中的答案?麻省理工学院计算机科学与人工智能实验室 (CSAIL) 的研究人员设计了一系列测试,以查看 AI 模型是“思考”还是只是记忆力好。当您提示 AI 模型解决“27+62 等于多少?”之类的数学问题时,它会很快给出正确答案:89。我们如何判断它是理解底层算法还是只是在训练数据中看到了问题?在他们的论文中,研究人员测试了 GPT-4,文章 AI 模型性能:是推理还是简单地背诵?首次出现在 DailyAI 上。

大型语言模型的推理能力经常被高估

Reasoning skills of large language models are often overestimated

CSAIL 的新研究强调了 LLM 在熟悉的场景中表现出色,但在新场景中却举步维艰,这让人质疑其真正的推理能力与对记忆的依赖。

帮助机器人掌握不可预测的事物

Helping robots grasp the unpredictable

MIT CSAIL 的节俭式深度学习模型可推断物体的隐藏物理属性,然后进行调整,以便在家庭和配送中心等非结构化环境中为机器人找到最稳定的抓握方式。

机器人手掌模仿人类的触觉

Robotic palm mimics human touch

麻省理工学院 CSAIL 的研究人员利用手掌中的复杂触觉传感器和灵活的手指提高了机器人的精度,为人机交互和假肢技术的改进奠定了基础。

使用博弈论的思想来提高语言模型的可靠性

Using ideas from game theory to improve the reliability of language models

麻省理工学院计算机科学与人工智能实验室 (CSAIL) 的研究人员开发了一种新的“共识游戏”,提升了人工智能的文本理解和生成技能。

CNIC 的 SAIL 计划为海员提供帮助,帮助领导力

CNIC’s SAIL Program Assists Sailors, Helps Leadership

华盛顿——自杀不是一个容易谈论的话题,但这些对话对于预防来说非常重要和必要。自杀影响家庭、士气和海军使命。在支持我们最重要的资产——我们的水手时,我们必须保持警惕。这就是为什么水手援助和生命拦截(SAIL)计划等计划对于部队的健康和福祉至关重要。

智能手套教授新的身体技能

Smart glove teaches new physical skills

麻省理工学院 CSAIL 研究人员的自适应智能手套可以发送触觉反馈,以教授用户新技能,以更精确的操作引导机器人,并帮助培训外科医生和飞行员。

机器人运动规划的新优化框架

A new optimization framework for robot motion planning

麻省理工学院计算机科学与人工智能实验室 (CSAIL) 的研究人员在组合优化和连续优化之间建立了新的联系,可以为复杂的运动规划难题找到全局解决方案。

F3RM 允许机器人以自然语言解释文本提示

Система F3RM позволяет роботам интерпретировать текстовые подсказки на естественном языке

受人类处理陌生物体能力的启发,麻省理工学院 CSAIL 的团队开发了机器人操纵特征场 (F3RM) 系统,该系统将 2D 图像融合到 3D 场景中,帮助机器人识别和抓取附近的物体。

SAIL-ON:人工智能科学和开放世界新奇学习

SAIL-ON: Science of Artificial Intelligence and Learning for Open-world Novelty

项目负责人:Ted Senator 先生 赞助机构:DARPA网站:https://www.darpa.mil/program/science-of-artificial-intelligence-and-learning-for-open-world-novelty项目概要:为了让 AI 系统在一系列军事应用中有效地与人类合作,智能

美国海军就红海伊朗事件发表声明

U.S. Navy Statement on Iranian Incident in Red Sea

巴林麦纳麦 - 9 月 1 日,美国海军在红海拦截了一艘伊朗军舰,该军舰扣押并扣押了美国第五舰队运营的两艘美国无人水面舰艇,两天前,伊朗在红海未能成功扣押一艘类似的船只。阿拉伯海湾。伊朗伊斯兰共和国海军舰艇贾马兰号 (FFLG 76) 扣押了两艘在国际水域相互靠近作业的 Saildrone Explorer 无人水面舰艇,并于第二天将这些船只归还给美国海军。

斯坦福 AI 实验室在 ACL 2022 上的论文和演讲

Stanford AI Lab Papers and Talks at ACL 2022

2022 年计算语言学协会 (ACL) 第 60 届年会将于 5 月 22 日至 5 月 27 日举行。我们很高兴与大家分享 SAIL 的所有工作成果,您可以在下面找到论文、视频和博客的链接。欢迎直接联系作者,了解更多有关斯坦福大学的工作!已接受论文列表LinkBERT:带有文档链接的预训练语言模型作者:Michihiro Yasunaga、Jure Leskovec*、Percy Liang*联系人:myasu@cs.stanford.edu链接:论文 |网站关键词:语言模型、预训练、知识、超链接、bionlp在对语法角色进行分类时,BERT 并不关心词序......除非它很重要作者:Isa

斯坦福 AI 实验室在 ACL 2022 上的论文和演讲

Stanford AI Lab Papers and Talks at ACL 2022

2022 年计算语言学协会 (ACL) 第 60 届年会将于 5 月 22 日至 5 月 27 日举行。我们很高兴与大家分享 SAIL 的所有工作成果,您可以在下面找到论文、视频和博客的链接。欢迎直接联系作者,了解更多有关斯坦福大学的工作!已接受论文列表LinkBERT:带有文档链接的预训练语言模型作者:Michihiro Yasunaga、Jure Leskovec*、Percy Liang*联系人:myasu@cs.stanford.edu链接:论文 |网站关键词:语言模型、预训练、知识、超链接、bionlp在对语法角色进行分类时,BERT 并不关心词序......除非它很重要作者:Isa

斯坦福 AI 实验室在 ICLR 2022 上的论文和演讲

Stanford AI Lab Papers and Talks at ICLR 2022

2022 年国际学习表征会议 (ICLR) 将于 4 月 25 日至 4 月 29 日以线上方式举办。我们很高兴与大家分享 SAIL 的所有成果,您可以在下面找到论文、视频和博客的链接。欢迎直接联系作者,了解更多有关斯坦福大学的工作!已接受论文列表自主强化学习:形式主义和基准测试作者:Archit Sharma*、Kelvin Xu*、Nikhil Sardana、Abhishek Gupta、Karol Hausman、Sergey Levine、Chelsea Finn联系方式:architsh@stanford.edu链接:论文 |网站关键词:强化学习、持续学习、免重置强化学习MetaS