Nanoleaf evoluciona de luces inteligentes a robótica con fusión millonaria
Nanoleaf, famoso por sus luces para streamers, se reinventa con robótica e IA tras ser adquirido por OneRobotics (dueño de SwitchBot) por $40M. Conoce su futuro.
#robot
AURA-Mem: memoria recurrente constante para robots
Optimiza tu robot con AURA-Mem: memoria constante, 9 veces menos escrituras, misma precisión. Ideal para VRAM limitada.
TRAP: Secuestro del razonamiento CoT en VLA mediante parches adversariales
Descubre cómo TRAP usa parches adversariales para secuestrar razonamiento CoT en robots VLA y provocar comportamientos peligrosos. Vulnerabilidad crítica en IA.
SPADE: Planificación de trayectorias guiada por bocetos con difusión
Descubre SPADE, el nuevo método que combina bocetos y difusión para planificar rutas de robots móviles con un 39% menos de error y un 93% menos parámetros.
Adquisición de Nanoleaf por SwitchBot: más que iluminación
Nanoleaf es adquirida por SwitchBot en una fusión que promete nuevas integraciones de productos para el hogar inteligente. Conoce los detalles.
CoMPAS3D: Dataset y Benchmark para Movimiento Interactivo en Robótica Social
Descubre CoMPAS3D, el dataset de captura de movimiento de salsa que permite evaluar robots humanoides en interacciones sociales con métricas objetivas.
Modelos Locales y Globales para RL Eficiente de Primer Orden
Aprende cómo la técnica de modelos mundiales acoplados permite entrenar RL de forma eficiente sin simuladores, usando difusión y gradientes de primer orden para tareas de manipulación.
BotDirector: Narración de robots en realidad simétrica
Descubre cómo BotDirector combina robots, IA y objetos cotidianos para que los niños creen sus propias historias interactivas. ¡Una forma innovadora de contar cuentos!
RobotValues: Evaluando robots domésticos ante conflictos de valores humanos
Descubre RobotValues, el benchmark que revela cómo los robots domésticos eligen entre valores en conflicto. ¿Privacidad o eficiencia? Resultados sorprendentes.
Los robots humanoides llegan al trabajo: lo que debes saber
Inversiones multimillonarias impulsan robots humanoides para trabajos físicos. ¿Está tu negocio preparado? Descubre las claves para adaptarte.
DAG-Plan: Planificación con grafos acíclicos para brazos robóticos
Descubre cómo DAG-Plan usa grafos acíclicos para coordinar robots de doble brazo con un 48% más de éxito y 84% más de eficiencia.
Menos confianza en la lectura cerebral que en robots chefs con cuchillos
Descubre por qué los lectores temen más la lectura cerebral que un robot chef con cuchillos. Resultados de encuesta sobre confianza en tecnologías futuras.
Clonación de Comportamiento de MPC para Robots Manipuladores de 3 GDL
Descubre cómo la clonación de comportamiento reduce la carga computacional del MPC en robots de 3 GDL, logrando una reducción de 3x en latencia y un 84.98% de éxito. Ideal para control en tiempo real.
Transferencia Sim-to-Real con Redes de Actuadores Generalizadas
Primera transferencia sim-to-real exitosa para brazo robótico con músculos artificiales usando GenAN.
SpeedAug: Aceleración de Políticas con Tempo y RL
SpeedAug acelera políticas robóticas con RL: aumenta 1.8x el rendimiento en solo 16 minutos de interacción sin comprometer la tasa de éxito.
ShelfAware: Localización Semántica en Tiempo Real para Entornos Cuasi-Estáticos
ShelfAware logra localización global robusta en entornos dinámicos con sensores de bajo costo y un filtro de partículas semántico. Ideal para robots móviles.
IA en producción en el borde industrial: un camino repetible con Red Hat e Intel
Implementa IA en producción en el borde industrial con Red Hat e Intel. Supera desafíos de recursos y conectividad para proyectos más allá del piloto.
GNEP sin intercambio de multiplicadores: robótica y aprendizaje activo
Algoritmos GNEP sin compartir multiplicadores para robótica y aprendizaje activo con bandidos contextuales. Mejora eficiencia y privacidad.
HOIST: Humanoides optimizados para cargas suspendidas
Descubre cómo HOIST combina imitación y RL para que humanoides manipulen cargas suspendidas con alta precisión. Reduce errores de colocación en 19.9 cm.
Error por grupo, no MSE total: ajuste fino VLA para manipulación móvil
Descubre por qué el error por grupo predice mejor el rendimiento real que el MSE total en el ajuste fino de modelos VLA para robots manipuladores móviles de 11 GDL.