- 全部智能领域
- 智能制造 / 智能物流 / 机器视觉
- 智能办公 / 智能家居 / 智能安防
- 智能交通 / 智能能源 / 智慧零售
- 智能文娱 / 智能金融 / 智能营销
- 智慧党建 / 智慧政务 / 机器躯干
- 智慧医疗 / 智慧教育 / 智慧农业
- 机器小脑 / 智能传感 / 空间模型
- 机器大脑 /
最新
最热
中国科学院计算技术研究所(以下简称“计算所”)近期披露,该所智能计算机中心团队联合北京智源人工智能研究院、武汉大学研制出2.3亿参数规模的极光天基大模型JigonGPT,安装星载智能计算机载荷系统当中,并于今年2月发射的“东方慧眼高分01星”上实现入轨,至今已在轨运行超过140天

阅读(43)
金域医学联合广州呼吸健康研究院副院长杨子峰教授团队,广州医科大学金域检验学院、广东省感染性疾病智能化诊断技术工程研究中心、广州市传染性疾病临床快速诊断与预警重点实验室曾志奇博士结合环境数据与机器学习方法,开发出一种全新的呼吸道病毒感染风险预测模型,为呼吸道病毒的早期预警和防控提供了有力的科学依据

阅读(24)
近期,清华大学交叉信息研究院人工智能方向的研究团队在国际知名的机器人与自动化学术盛会IEEE International Conference on Robotics and Automation (ICRA 2024)上,发表了一系列突破性的科研成果。陈建宇、高阳、吴翼、许华哲、弋力、赵行六位助理教授团队共发表8项创新科研进展,涵盖机器人运动控制、通用机器人操作、多模态对比学习,以及自动驾驶等多个前沿研究方向。另有6项工作将于ICRA workshop进行同步展示。

阅读(31)
近日,李明院士联合团队(鹏城实验室、中原AI院、中科院计算所、大连理工大学等单位)在《自然·机器智能》(Nature Machine Intelligence)上发表文章Lossless Data Compression by Large Models提出LMCompress,它是一种利用大模型压缩数据的新范式。LMCompress在四种媒体类型(文本、图像、视频和音频)上都表现出了压倒性的优势,比最优传统无损压缩的效率提升2倍以上

阅读(25)
度学习:深度学习是人工智能中的一个关键领域,它通过构建深层神经网络,使得计算机能够处理和分析大量数据,实现模式识别和预测。深度学习技术的进步已经在图像识别、语音识别、自然语言处理等多个领域取得了突破,例如,它在图像分类、人脸识别、语音助手等方面得到了广泛应用

阅读(32)
最近几年生成式 AI 模型发展迅速,图灵奖得主 Yann LeCun 提出 “高级机器智能(AMI)” 概念,指出 AI 应具备规划、推理和理解世界的能力。基于此,Meta 发布多项 AI 研究成果,包括推动分子发现的开源数据集 OMol25、原子通用模型 UMA、扩散过程学习技术 “伴随采样”,以及与罗斯柴尔德基金会医院合作的人类语言学习机制解码研究,这些成果致力于改变分子属性预测、语言处理和神经科学的研究范式。

阅读(10)
清华大学等机构在 ICLR 2025 发表《Diffusion-based Planning for Autonomous Driving with Flexible Guidance》,提出 Diffusion Planner 算法。其基于 Diffusion Transformer 架构,联合建模周车运动预测与自车规划,解决现有方法依赖后处理问题,借助引导机制适应不同驾驶需求。在 nuPlan 数据集和物流小车数据上表现出色,降低对后处理依赖,提升泛化能力。

阅读(8)
北京大学杨耀东课题组等在《Nature Machine Intelligence》发表 “大规模多智能体系统的高效强化学习” 成果,首次实现大规模多智能体系统中高效的去中心化协同训练与决策。团队解耦系统动力学,提出通用网络化模型,结合模型学习与去中心化策略优化,缓解模型预测误差,在智能交通、电网等场景验证了方法的可扩展性与低通信成本优势。

阅读(12)
北京大学 HMI Lab 等提出 RoboMamba 多模态大模型,集成视觉编码器与 Mamba 语言模型,具备视觉常识和机器人推理能力。其通过高效微调策略,仅用模型 0.1% 参数和 20 分钟微调,便掌握操纵位姿预测能力,在通用和机器人任务基准上表现出色,推理速度比现有方法快 7 倍。

阅读(32)