Роботи від Nvidia: розумні, емоційні і трохи милі

Nvidia представила ШІ для гуманоїдів GR00T N1, здатного взаємодіяти з людьми на емоційному рівні. Модель навчена на мовних і візуальних даних, що дозволяє їй імітувати природні рухи.

👉 Для покращення фізичної поведінки компанія спільно з Google DeepMind і Disney Research розробила новий рушій Newton.

Першими нову технологію випробують у тематичних парках Disney, а в майбутньому роботи можуть з’явитися у сфері послуг і розваг 🤖

Як вам така технологія?
Діліться думками в коментарях 💬

🗞️ Суботній дайджест від r_d media: найцікавіші матеріали тижня

1️⃣ Як створити мобільний AI-фоторедактор, яким користуватимуться мільйони людей
👉 Читати

2️⃣ Веброзробка на Go: 10 найкращих фреймворків 2025 року
👉 Читати

3️⃣ Як United Tech перетворили творчий хаос на систему: Реальний кейс масштабування циклу SDLC
👉 Читати

4️⃣ «Правильно обрана метрика свідчить про цінні інсайти» — експерти Wise та MacPaw про те, як компанії управляють продуктом на основі даних
👉 Читати

Робота з даними може бути виснажливою або приносити реальні результати 📊
⠀
Якщо Excel забирає години часу, настав час прокачати SQL. Опановуйте його разом із Олександром Сапєльніковим, Head of Analytics у Solidgate 🚀

За 3 місяці ви навчитеся:
📌 створювати й керувати базами даних без хаосу в таблицях
📌 писати SQL-запити від базових до просунутої аналітики
📌 працювати з MySQL, BigQuery, Looker Studio та Tableau

Реєструйтеся на курс, щоб SQL став вашим головним інструментом в аналітиці 👇

Q: Що таке обмежувальні рамки (bounding boxes)?
A: Обмежувальні рамки — один із найпопулярніших і визнаних інструментів, коли йдеться про обробку зображень для проєктів.

Q: Як вони працюють?
A: Анотатори даних малюють ці прямокутники поверх зображень, окреслюючи об'єкт, що цікавить, у кожному зображенні та визначаючи його координати X і Y. Це полегшує алгоритмам машинного навчання пошук.

Q: Як використовують таку обробку зображень?
A: Комп’ютерний зір продовжує вдосконалюватися та просувати інноваційні технології на основі ШІ. Від безпілотних автомобілів до технологій розпізнавання облич — застосунки комп’ютерного зору є обличчям нових технологій.

Q: Як працює виявлення об’єктів у контексті обмежувальних рамок?
A: Відповідь на це запитання вимагає розгляду виявлення об’єктів як двох компонентів: класифікації та локалізації. Іншими словами, щоб знайти об’єкт на зображенні, комп’ютер має знати, що це таке і де воно розташоване.

Продовження👇

Q: Наведіть приклад
A: Візьмемо як приклад безпілотні автомобілі. Анотатори малюють обмежувальні рамки навколо інших транспортних засобів і позначають їх. Це допомагає навчити алгоритм розпізнавати, який вигляд мають автомобілі. Розмітка таких об'єктів, як-от транспортні засоби, світлофори та пішоходи, дає змогу автономним автомобілям безпечно маневрувати на жвавих вулицях. Щоб це стало можливим, моделі сприйняття безпілотних авто значною мірою покладаються на обмежувальні рамки.

Q: Хто може використовувати ці знання?
A: Обмежувальні рамки застосовують у багатьох сферах для навчання алгоритмів розпізнавання шаблонів. Страхова компанія може використовувати машинне навчання для документування страхових випадків у разі автомобільних аварій, а сільськогосподарська — для визначення стадії росту рослин.

📅 Курси квітня вже тут!

Новинки, на котрі ви довго чекали 🤖

💻 Data Engineering (1 квітня)
Зареєструватися 👈

💻 Delivery Management (7 квітня)
Зареєструватися 👈

💻 Автоматизація HR-процесів (9 квітня)
Зареєструватися 👈

💻 Тестування API (22 квітня)
Зареєструватися 👈

💻 Docker and Kubernetes (29 квітня)
Зареєструватися 👈

Не знайшли цікавий напрямок?
Шукайте більше за посилання нижче ⬇️