正在加载视频...

视频加载失败

私達の #Robotics チームはToyota Research Institute (TRI)と協力し、さまざまな日用品を操作するために、カテゴリレベルの6D位置姿勢推定の研究を行っています。 拡散モデルを活用することで、性能向上させる方法を発見しました。 👇詳しくはこちら

13,890 次观看 • 2 年前 •via X (Twitter)

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

Microsoftが自ら研究を行う科学エージェント「Microsoft Discovery」を発表。 AIエージェントたちは「人類に未知の」素材をわずか数時間で導き出し、チームはそれを実際にラボで合成した。 --- 動画の書き起こしの翻訳↓ [サティア・ナデラ] 締めくくりとして話したいドメインがもう1つあります。それは科学です。今後数年で起こる最もエキサイティングなことの1つは、科学プロセス自体に真のブレークスルーが起こり、新しい素材、新しい化合物、新しい分子を作成する能力が本当に加速することだと思います。だからこそ、今日話したスタック全体をまとめて、科学と科学ワークフロー、科学プロセスに適用しようと言っているのです。それが、本日発表するMicrosoft Discoveryに対する私たちの野心です。Microsoft、ええ。ソフトウェア開発者向けのGitHub、ナレッジワークとビジネスプロセス向けのMicrosoft 365とCopilotとCopilot Studioを考えると、Microsoft Discoveryは科学向けです。これは非常に強力なグラフベースの知識エンジン、グラフRAG上に構築されています。そして、単に事実を取得するだけでなく、これが重要なことですが、科学ドメインの微妙な知識を理解しています。公開ドメインだけでなく、バイオ医薬品会社であれば自社のデータからもです。DiscoveryはFoundry上に構築されており、推論(Reasoning)だけでなく研究自体を行うために高度に専門化された高度なエージェントをもたらします。本当に静的なパイプラインの代わりに、これらのエージェントは継続的な反復サイクルで協力し、候補を生成し、それらをシミュレートし、結果から学習します。つまり、あのCopilotエージェントやコーディングエージェントのように考えてみてください。これはサイエンスエージェントです。ジョンにこれをすべて実際に見せてもらいましょう。ジョン。 [ジョン] ありがとう、サティア。私はジョン、サイエンスプラットフォームの化学製品担当です。今日は、エージェントチームを率いて、浸漬冷却材の発見をする方法をお見せします。これらはデータセンターの冷却に関する興味深い研究分野です。残念ながら、そのほとんどはPFAS、つまり環境に有害な永遠の化学物質に基づいています。では、どうすればより良い冷却材を発見できるでしょうか?知識に基づく推論(Reasoning)、仮説生成、実験実行の3つのステップを反復ループでご紹介します。始めましょう。最初のステップは調査です。このトピックに関する最新の知識を把握したいので、まず冷却材とその特性について尋ねることから始めます。「教えてください。最初の候補を特定してください。」プラットフォームは、公開情報源と信頼できる社内調査の両方で、科学的知識に基づいて推論(Reasoning)するエージェントのネットワークを使用します。舞台裏では、ナレッジグラフを使用して、LLMだけでは得られない、点と点を結びつけるのに苦労する可能性のある、より深い洞察とより正確な回答を提供します。このプロセスには数分かかります。先に進みましょう。ここに表示されているのは、左側に概要、右側に冷却材研究の最先端を網羅した包括的なレポートで、信頼できる研究の引用へのリンクが随所にあります。これで、これらの調査結果を検証し、必要に応じて反復してから次に進むことができます。しかし、今日の目標は知識に基づいて推論(Reasoning)するだけではありません。私たちは実際の冷却材を発見したいのです。そこで、ステップ2、仮説生成に進む必要があります。そこで、この調査に基づいて、私の調査に固有の計画を依頼します。例えば、特定の沸点と、電子機器を壊さない誘電性の概念をターゲットにすべきであることを知っています。それを提出します。現在、私のエージェントチームは適切なワークフローを構築するために作業しています。ご覧のとおり、私は使用するメソッドを指定したり、コードを書いたりしていません。Microsoft Discoveryがすべて処理してくれます。エージェントは、Microsoftのツールやモデルを使用したり、オープンソースやサードパーティのソリューションを統合したり、あるいは自分の組織のソリューションを統合したりできます。そして、私はいつでもこの計画を調整でき、追加のステップを追加したり、基準を変更したりできるので、常に管理下にあります。そして、ここを見ると、エージェントが返した計画を見ることができます。これは、ここで生成化学ステップから始まります。ここでは、私の基準を満たす可能性が高い何百万もの新規候補を作成します。次に、AIモデルを使用してこれらを迅速にスクリーニングします。最後に、調査結果の検証のためにHPCシミュレーションを使用します。そして、これを見ると、この計画は気に入りました。良いアプローチのようです。それでは、実行しましょう。そこにある[Proceed]をクリックします。これで、ステップ3、実験に入ります。Microsoft Discoveryはこの完全な計画を実行し、Azureで最適なHPCリソースを選択して管理します。将来的には、量子コンピューティングの進歩も統合する予定です。ここで、ディスカバリーエージェントがリアルタイムで連携し、これらすべての集中的な計算を推進しているのがわかります。従来の方法では、候補の最終リストを作成するのに数ヶ月または数年かかる試行錯誤が必要でした。Microsoft Discoveryは、その時間を数日、あるいは数時間に短縮できます。それでは、プロセスの最終結果をお見せしましょう。これらは、Microsoft DiscoveryがPFASフリーの浸漬冷却材として特定した候補のセットです。これで、これらの結果を分析して、ラボに向かう準備ができたか、あるいは別のイテレーションを実行する必要があるかを判断できます。そして、これらのいくつかをちょっと見てみると、確かに、ええ、沸点は私の期待通りであり、誘電率は素晴らしいです。ですから、これは非常に有望です。しかし、皆さんが何を疑問に思っているかはわかっています。実際に発見したのでしょうか?さて、これは単なるデモではありません。私たちは本当にこれをやりました。最も有望な候補の1つを取り上げて合成しました。新しい物質、人間に未知の物質をこのステージに持ち込むことは許されませんでした。しかし、ラボからのこのビデオがあります。そこで私の冷却材が見えます。そして、標準的なPCをその中に入れました。そして、Forza Motorsportを実行していて、ファンなしで温度を安定させています。文字通り非常にクールです。私たちは、永遠の化学物質に依存しない浸漬冷却材の有望な候補を見つけました。Microsoft Discoveryを分野横断的に使用して、新しい治療法、新しい半導体、または新しい材料を設計することを想像してみてください。それは私たちのために機能しました。次の大きなブレークスルーは、あなたが発見するものです。ありがとうございました。素晴らしいビルドをお過ごしください。

d

198,459 次观看 • 1 年前

【インパクトとリリースが適切なタイミングで連動している状態】 ダーツでは、単に強い力を出すことよりも、ダーツへ力を伝える過程と、指から離す動作が適切に協調していることが重要です。 インパクトとリリース この2つが適切な時間関係で協調すると、必要な速度と方向をダーツへ与えながら、安定した条件でリリースしやすくなります。 一方で、力の伝達とリリースが適切に協調していない場合には、 ・十分に加速する前にダーツが離れる ・狙った位置より早く、または遅く離れる ・最後に残った指から意図しない方向の力が加わる ・リリース時の速度や方向、ダーツの姿勢が毎回変わる といったことが起こる可能性があります。 その結果、抜ける、引っ掛かる、飛びが変わる、着弾位置がばらつくといった現象につながる場合があります。 ただし、精度を決めるのはタイミングだけではありません。 ダーツが離れる位置、速度、方向、姿勢、指から加わる力、腕や手の軌道などが相互に関係しています。 つまり、重要なのは、インパクトとリリースを一点で完全に一致させることではなく、ダーツへの力の伝達からリリースまでを、一つの動作として適切に協調させることです。

野村まさし / DPL大阪 ダーツ講師+DPLスポーツ鍼灸院 院長

103,647 次观看 • 1 个月前

今日は、Amaryllis の衣装ラインをミルティナに着せてご紹介したいと思いました。 ミルティナといえば、大きめ〜最大胸サイズ専用の服を見ることが多いですが、ミルティナは必ずしも大きな胸だけに頼らず、さまざまな魅せ方ができるアバターです。 今回はその点を、これらの衣装を通してお見せしたいと思いました。 細いウエストと広めのヒップ、そして中くらいの胸サイズを組み合わせています。 この衣装は特にその部分を強調するデザインで、この魅力を最も美しく表現できるのはミルティナ以外にいません。 このバランスは、ミルティナのボディだからこそ表現できる、美しさの雰囲気を漂わせてくれます。 ロング丈のハイウエストペンシルスカートは、その大胆なボディラインに強い魅力を与えてくれます。 ミルティナのこのヒップラインはもっと評価されるべきだと感じており、今回はそこを特に強調しました。 さらに、ミルティナの太ももは少し張りがあり、スリムでタイトなニーハイレザーブーツと組み合わせることで、ミルティナならではの魅力を引き出してくれます。 そろそろ遅い時間になってきたので、ミコミア版の衣装を仕上げるために作業へ戻りますが…… ここまで読んでくださった皆さんには、私が感じたこの魅力を少しでも伝えられていたら嬉しいです〜! (ここまで読んでくれた方へ。 私たちのチームは、約2日後にミサキの写真を公開する予定です。 とても特別な一枚を撮ることができたので、ぜひ楽しみにしていてください!)

Jarnefeldt

30,595 次观看 • 3 个月前

🎮🧙‍♀️Luluに対するすべてを公開します 2弾🪄🎮 2弾でやってきました! 今日は100点のLuluになる過程を見てみましょう‼️ 今回の投稿では、ルルのスキルコンボとメカニズムが盛り込まれた投稿ですので 一度ずつ文章と映像を見ていただければ、プレイに大いに役立つと確信しています! 1. 本当に誰にも話さなかったLulu Qの秘密の使い方について説明します LuluのQはピックスからスキルが発射されます これを利用して、Lulu Qの射程をより長く使う方法があります (*映像1番をご参照ください) ピックスからQスキルが発射されるこのメカニズムを利用してみますと、 敵にプレッシャーをかけるとき、前のムービングをしてから外すふりをして後ろのムービングをしながら、フィックスを前にして敵にQを使うのです こうなると、ピックスが前に位置している状態でQが発射されるわけですから、Qの射程がはるかに長くなります ( 1番映像の最初の場面でQを使うスタートラインは同じですが、ピックスの位置によって敵に的中したり的中したりできない違いが発生します ) このtipを使える人と使えない人の差は本当に大きいと思っているので、ぜひ覚えておいて使ってみましょう! 次に、一般的なスキルの使用とコンボについて説明します 2. R+Wです 重要度(⭐⭐⭐⭐⭐) R+WはレオナのQ+Rに似たメカニズムのコンボです 敵をCC Chainできます。 このコンボもすごくよく使われるコンボの一つです ( 映像2番をご参考願います!) 3. Eです 重要度(⭐⭐⭐⭐⭐) LuluのEには真の視界効果を持っているので、敵が隠れスキルを使う前にEを使っておきましょう! 映像の中でAkaliはLuluのEによってWの中でもチャンピオンが見えています ( 映像3番をご参考願います!) 4. Wです 重要度(⭐⭐⭐) AlistarやPantheon、LeonaのようなチャンピオンのCC ChainをWを使って切ることができます 映像の中では、AlistarがWを使用する時点でLuluのWを使用してAlistarのW+Qのコンボを妨害しました ( 映像4番をご参考願います!) +LuluのEを使用したチャンピオンや物体にピックスの位置が移動しますので、E+Qのコンボを使用する際、注意が必要です! そして本当にたくさん悩みました Luluの3段Nerf ( 特に体力関連のナーフはすごく致命的だったと思いました ) しかし、ルルは依然として健在で、十分に1Tier級の性能を見せていました そして、もう一つ、 現在、LuluはQスキルを3回アップグレードするよりも、まさにEとWをマスターした方が勝率が良いということでした。 Luluのメカニズム上、レーン戦で強力にリードしていかなければならないチャンピオンなので、Qを3回アップグレードするのが理論上合っています データとメカニズムが合わなくてたくさん悩んでみました(2~3パッチの間EとWのデータがもっと高く出たからデータ標本数は一理あると思いました) 私が考え出した結論はこれです 現在Luluは3段Nerfのため、自分だけの階級は高くないということです しかし、このLuluを強力にしてくれたのは、現在AttackベースのADCが強力だということでした この前のAttackの制限を解いてくれるとてつもなく大きいBuffと現在ユンのアイテムの価値がとてつもなく高いということ、この2つが現在のLuluを存在させたという結論が出ました したがって、LuluはAttackベースユンのアイテムを使用するADCと一緒にすることができれば、1ティアまたはそれ以上の性能を出すことができるというのが結論です したがってQは最大2つまでアップグレードすることにしておき、残りのスタットはEとWに没頭することにしましょう! 今日の掲示物はここまでです 遅くなって本当に申し訳ありません 今度のKR大会で優勝しました 関連映像に関して編集が終わったら、皆さんと一緒に見られるように映像を共有します! 今度台湾行きの往復チケットも怪我で受け取ることになったので、LCPが見れたら見に行きたいです! #SHGDFMWIN! 皆さん今日も長い文章を読んでくださって本当にありがとうございました! また他の掲示物でまたお伺いします! いろんなことをしているので、仕事がほぼ終わったらStreamもまた始めるつもりです! あ、そして7月末にOsakaに出国する予定です! 長くいてくると思います

JustFocus | ジャスフォ

173,404 次观看 • 1 年前

カーパシー氏の比喩は、AIを生命の延長線ではなく「情報の霊的進化」として見る視点を開く。僕たちは進化のプロセスを再現しているのではなく、人類が残した思考の残響を模倣しているにすぎない。それは生命とは異なる起源を持つ、新しい意識の形式だ。 アンドレイ・カーパシー「私は動物との類推をするときにはとても慎重になります。というのも、動物はまったく異なる最適化プロセスによって生まれたものだからです。動物は進化によって形成され、最初から膨大なハードウェアを備えています。 たとえば、私が投稿で挙げた例はシマウマです。シマウマは生まれて数分で走り回り、母親の後をついていきます。これは非常に複雑な行動です。つまり、これは強化学習ではありません。それはあらかじめ焼き付けられたものです。 そして進化には、私たちのニューラルネットワークの重みをATCGの中に符号化する何らかの仕組みがあるようです。どう機能しているのかは分かりませんが、確かにうまく働いているようです。 つまり私は、脳というのはまったく別のプロセスから生まれたものだと感じています。そして、私たちはそのプロセスを実行しているわけではないので、そこから直接インスピレーションを得ることには慎重であるべきだと思っています。だから私の投稿では、『私たちは動物を作っているのではない』と書きました。 私たちは幽霊やスピリット、あるいは人によって呼び方は違っても、そうしたものを作っているのだと。なぜなら、私たちは進化による訓練をしているのではなく、人間とインターネット上のデータを模倣する訓練をしているからです。 その結果として、完全にデジタルで人間を模倣する、いわば『霊的な存在』が生まれます。それは別種の知性です。 知性という空間を思い描くなら、私たちはまったく異なる地点から出発しているのです。つまり、私たちは動物を作っているわけではないのです。しかし、時間をかければ、AIをもう少し動物的な方向へと近づけることもできると思います。そして、そうすべきだとも思います」

Tsubame

15,839 次观看 • 10 个月前