facebook

Порекомендовать героя

WE важно, кто рядом с нами и нашими семьями. МЫ стремимся делать так, чтобы вокруг нас были надежные люди, которым можно доверять. Рекомендуя людей, обратите внимание на наши ценности и ориентиры.

    Наши люди WE:

  • Наш Человек стремится создавать то, что улучшает жизнь людей

  • Наш Человек в общении с окружением честен и справедлив, порядочен и верен

  • Вы доверяете ему и уверены в его искренности

  • Наш Человек живет полной жизнью: любимая семья, достойное окружение, любимое дело, интересное хобби

  • Наш Человек всегда идет вперед и развивается

  • Наш Человек неравнодушен и готов вместе с нами создавать добрые дела

Далее closerecommendheropopupa
Порекомендовать героя

Выберете одну или нескольо рубрик, в которую вы рекомендуете человека


Закрыть поиск
closesearch
drawnup
ВАША ЗАЯВКА ПРИНЯТА

Спасибо за неравнодушие!
Нам важно узнавать о достойных людях, чтобы рассказывать о них городу!

Вернуться на главную

Подписаться на рассылку

closesearch
Array
(
    [SRC] => 
    [WIDTH] => 0
    [HEIGHT] => 0
)
google-deepmind-i-33-nauchnyh-instituta-sozdali-vtoruyu-v-mire-po-ob-emam-bazu-dannyh-i-robota-pomoschnika
logo
Google DeepMind и 33 научных института создали вторую в мире по объемам базу данных и робота-помощника
Новости Центральной Азии и мира

08.10.2023

Google DeepMind и 33 научных института создали вторую в мире по объемам базу данных и робота-помощника

Команда Google по робототехнике DeepMind объявила о работе, которую она проделала с 33 исследовательскими институтами по созданию общей базы данных под названием Open X-Embodiment.

Кроме открытой базы данных, Google так же запустил RT-1-X, модель робототехнического трансформатора, созданную на основе RT-1 и обученную на наборе данных, которая показывает передачу навыков во многих вариантах реализации робота.

Команда протестировала модель RT-1-X в пяти различных исследовательских лабораториях, продемонстрировав улучшение показателей успеха в среднем на 50% для пяти различных широко используемых роботов по сравнению с методами, разработанными независимо и специально для каждого робота.

Обучение нашей модели визуального языкового действия RT-2 на данных из нескольких вариантов утроило ее эффективность в отношении реальных роботизированных навыков.

Источник: incrussia.ru

Узнайте первыми:

Подписаться на рассылку WE project!

Мы пишем о том, что помогает сориентироваться в новом мире и выбрать то, что нужно именно вам.