La feuille de route pour devenir ingénieur en vision par ordinateur en 2026
Vinod Chugani a publié sur KDnuggets un plan d'étude en quatre étapes pour devenir ingénieur en vision par ordinateur.
Vinod Chugani a publié sur KDnuggets un plan d'étude en quatre étapes pour devenir ingénieur en vision par ordinateur.
Deepx mise sur un écosystème logiciel ouvert pour dépasser la course aux TOPS dans l'IA physique. Le CEO Lokwon Kim relie ses NPU à Ultralytics YOLO.
Des chercheurs de l'AIST, de l'Institute of Science Tokyo et de l'Université de Tokyo ont utilisé l'apprentissage par imitation pour entraîner des groupes de robots à coordonner leurs actions à partir de démonstrations réalisées avec un seul robot, sans communication entre eux ni système de positionnement externe. Les essais ont mobilisé jusqu'à 40 petits robots Raspberry Pi Mouse V3 équipés d'un Raspberry Pi 4 et d'une Camera Module 3, chargés de rassembler 28 blocs orange dans un espace de 3,5 mètres de côté. Le contrôle repose sur un réseau neuronal de 2,4 millions de paramètres combinant MobileNetV2 et une architecture mixture-of-experts avec deux réseaux LSTM, exécuté sans GPU sur les Raspberry Pi à 5 Hz. Les politiques entraînées avec des robots immobiles ont mieux performé que celles avec des robots en mouvement, et l'augmentation du nombre de robots n'a pas produit d'amélioration proportionnelle de la productivité en raison de la congestion.
Motif de la recommandation :L'original détaille comment un petit modèle de 2,4 M de paramètres permet à un essaim de robots d'apprendre la coordination à partir de démonstrations d'un seul robot, avec les limites observées.