למי זה מיועד
חוקרים, מפעילים, בוני סטארט-אפים וקונים טכניים שרוצים הקשר עמוק יותר לפני בחירת נתונים, מודלים, כלים או פלטפורמות.
החשיבה שלנו על נתוני רובוט, מערכי נתונים מוכנים ללמידה, הערכה בעולם האמיתי ועתיד הבינה המלאכותית הפיזי.
מה זה העמוד הזה: מרכז העריכה לחשיבה של SVRC על למידת רובוטים, הערכה, תשתית וההחלטות המעשיות שנמצאות בין העיתונים והפריסה.
חוקרים, מפעילים, בוני סטארט-אפים וקונים טכניים שרוצים הקשר עמוק יותר לפני בחירת נתונים, מודלים, כלים או פלטפורמות.
מושגי ליבה, השוואות, זרימות עבודה של נתונים, חישה מישוש, עיצוב פלטפורמה, סביבות RL ושיטות הערכה בעולם האמיתי.
השתמש ב-hubs הקשורים כדי למפות מושגים לתוך מערכי נתונים, מודלים, משאבים או מודולים של האקדמיה כאשר אתה מוכן ליישם.
רכזות קשורות: מדריכים, תחילת העבודה, האקדמיה לרובוטיקה, מערכי נתונים, דגמים, ו אֶמְצָעִי.
עקוב אחר חוקרים בעלי אותות גבוהים, רובוטים מקושרים ואשכולות נושאים בנתיב ניווט אחד.
מוסדותחקור צמתים של אוניברסיטאות ומעבדה, ואז קפוץ לאנשים קשורים, רובוטים וזרימות עבודה מעשיות.
דירוגיםראה את אותות ההשפעה, המומנטום, התרגום והתאמת הנושא ישירות מדף הבית של המחקר.
מבני נתונים והפניות לתהליכי עבודה מונעי מפעיל.
אשכול מערכי נתוניםמדריכי נתונים מוכווני בדיקות הניתנים להשוואה וניתנים לחזור עליהם.
אשכול דגמיםמסגרת מעשית להתאמת כיתת מודל למציאות.
אשכול החלטותהשווה כלליות, מהירות ומעשיות מסחרית.

רוב כשלי הלמידה של הרובוטים אינם נגרמים ממחסור בנתונים, אלא מנתונים שאינם ניתנים ללמידה. מבנה פרק, תזמון, כיול, סמנטיקה של פעולה ו-QA.

נתונים מהעולם האמיתי לוכדים את מה שהסימולציה מחמיצה: פגמים בחיישנים, שגיאות כיול, שונות תפעולית ותיקון אנושי.

כיצד אנו מעצבים זרימות עבודה של איסוף נתונים עבור למידה חיקוי, RL ומודלים של בסיס. עיצוב מונחה משימה, לכידה מולטי-מודאלית, מסירה מוכנה ללמידה.

השווה את OpenVLA ו- Octo - ארכיטקטורה, נתוני אימון, כוונון עדין. מתי להשתמש בכל אחד עבור הרובוט שלך.

DROID, BridgeData, Open X-Embodiment, ALOHA, LeRobot. מערכי נתונים מובילים ללימוד חיקוי ו-VLA.

מדוע תיקונים, ניסיונות חוזרים והתערבויות של מפעיל צריכים להישמר כחלק ממערך הנתונים ולא לזרוק אותם.

מסגרת מעשית להערכת חזרות, התאוששות, איכות קשר ומוכנות לפריסה מעבר לאחוזי הצלחה פשוטים.

בדיקות ממשק, מיפוי מזהה מנוע, פסקי זמן, ושלבי איתור באגים ראשונים ששומרים על עדכון OpenArm שפוי.

השתמש תחילה בחומרה מזויפת, ולאחר מכן עבור לחומרה אמיתית עם נתיב אימות בקר שניתן לחזור עליו.

כיצד לחשוב על כוונון רווחים, מרווחי ביטחון והערות ששורדות פגישות מאוחרות יותר.

רשימת בדיקה חוזרת להפעלה עבור התיישנות, שינויי כלים והימנעות מסחיפה שניתן להימנע ממנה.

מה לשמר במהלך הטלאופ כדי שההדגמות יישארו שימושיות עבור שידור חוזר, אימון והערכה.

כיצד אנו מעצבים חומרה עבור נתונים, לא רק הדגמות. ארכיטקטורת לכידת נתונים, כשל כנתונים, יישור סימולציה לאמיתי.

הפיכת המגע למדיד, נלמד וניתן לשימוש חוזר. תפיסת כוח תלת-צירי מבוזרת במרחב להבנת מגע.

סביבות RL בעולם האמיתי עבור צוותי רובוטיקה בייצור. סביבות מתמשכות ומוכנות ללמידה מגובות בחומרה אמיתית.
אנו מחברים הנחיית מאמרים עם הטמעת חומרה ושירות אמיתיים.
השוואות ואמות מידה מותאמות לאילוצי רובוטיקה בעולם האמיתי.
מאיסוף נתונים ועד איטרציה של מודל, מבוסס על תוצאות מדידות.
תמיכה במייסדים, צוותי ML ומשלבי רובוטיקה במקום אחד.