다이나-2: 1시간 동안 자율 운행이 가능한 범용 물리적 에이전트 — 제이슨 마, 다이나 로보틱스
Dyna의 수석 과학자가 세계 행동 모델과 물리적 AI의 다음 개척지에 대해 큰 기대를 걸고 있는 우리 최초의 로보틱스 포드
AI NEWS JOURNAL
전체 AI 소식
출처, 주제, 시간으로 전체 뉴스에서 관심 소식을 찾아보세요.
다이나-2: 1시간 동안 자율 운행이 가능한 범용 물리적 에이전트 — 제이슨 마, 다이나 로보틱스
Dyna의 수석 과학자가 세계 행동 모델과 물리적 AI의 다음 개척지에 대해 큰 기대를 걸고 있는 우리 최초의 로보틱스 포드
Gemini 4 Argon for Robotics
Gemini 4 Argon for Robotics
번역 대기 중 · 원문 표시 · enBuilding AI for Reliable Execution: Lessons From Industrial Robotics
Inside Standard Bots’ AI stack, pretrained models learn factory tasks from demonstrations and improve through corrections from real deployments.
번역 대기 중 · 원문 표시 · enGemini Robotics ER 2: powering robotics with video understanding, task orchestration, and multi-robot collaboration
Gemini Robotics ER 2 helps robots reason, collaborate, and solve real-world tasks. It represents a step change in video understanding, tool orchestration, and multi-robot collaboration for robotic applications.
번역 대기 중 · 원문 표시 · enGemini Robotics 2 brings whole body intelligence to robots
Gemini Robotics 2 brings whole body intelligence to robots
번역 대기 중 · 원문 표시 · enImport AI 466: The bitter lesson for robotics, AIs complete week-long programming tasks; and OpenAI's accidental AI hacker
The warning shots will continue until civilization wakes up
번역 대기 중 · 원문 표시 · enNVIDIA Cosmos-H-Dreams: 수술 로봇에 실시간 생성 시뮬레이션을 가져옵니다
NVIDIA Cosmos-H-Dreams: 수술 로봇에 실시간 생성 시뮬레이션을 가져옵니다
Empowering India’s next generation of innovators with ATL Saathi
Google and AIM launched ATL Saathi, a Gemini-powered AI tool empowering Indian educators in robotics labs.
번역 대기 중 · 원문 표시 · enPowering the future of robotics in Europe
Powering the future of robotics in Europe
번역 대기 중 · 원문 표시 · enGemini Robotics-ER 1.6: Powering real-world robotics tasks through enhanced embodied reasoning
Gemini Robotics ER 1.6: Enhancing spatial reasoning and multi-view understanding for autonomous robotics.
번역 대기 중 · 원문 표시 · enInformation-Driven Design of Imaging Systems
An encoder (optical system) maps objects to noiseless images, which noise corrupts into measurements. Our information estimator uses only these noisy measurements and a noise model to quantify how well measurements distinguish objects. Many imaging systems produce measurements that humans never see or cannot interpret directly. Your smartphone processes raw sensor data through algorithms before producing the final photo. MRI scanners collect frequency-space measurements that require reconstruction before doctors can view them. Self-driving cars process camera and LiDAR data directly with neural networks. What matters in these systems is not how measurements look, but how much useful information they contain. AI can extract this information even when it is encoded in ways that humans cannot
번역 대기 중 · 원문 표시 · en