TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #81 · 6.10

Делали в кладовой ремонт, из-за этого немного поменялось местоположение базы робота-пылесоса. Обычной функции "задать точку новой базы на карте" в приложении нет. Робот после включения отображал сам себя в старой точке. Я в режиме ручного управления привёл его в нужную комнату (так и знал, что годы обучения поездкам на радиоуправляемой машинке не зря!). Так вот он мне, пока ехал, стал лидаром рисовать новую квартиру поверх старой со смещением. Тогда я нагуглил алгоритм обновления базы, он довольно забавный: 1. Привести робота в комнату, которую он знает, и дать ему убрать. Тогда он себя верно определит в этой комнате (кстати круто работает, неужели по форме стен и стоящих у стен предметов?) 2. Привести его в точку новой базы вручную или с помощью команды "ехать в заданную точку на карте". Он не знает пока ещё, что там база, но положение своё уже понимает. 3. Отправить его на базу. Он поедет в точку старой базы, где она когда-то была. И начнёт её искать, очень мило выглядит :) 4. Не найдя базу, станет спрашивать по своим датчикам, а где же всё-таки база, и, наконец, увидит новую и поедет к ней. Профит. Малютка-робот нашёл свой дом. #gadgets

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #generativea

当前筛选 #generativea清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8675 · 02.10.2025 г., 15:11

🔦Генерация изображений на свете, а не на GPU Исследователи из UCLA представили оптическую генеративную модель (Optical Generative Model). Она использует свет и линзы вместо вычислительных блоков - то есть картинки рождаются не на чипах, а в физике. 🔬 Как это работает: 1. Лёгкий цифровой энкодер превращает случайный шум в фазовый узор. 2. Этот узор загружается на оптический модулятор света. 3. Свет проходит через дифракционный декодер и прямо на сенсоре формируется изображение. ✔️ Авторами проведены реальные эксперименты: с помощью видимого света и SLM показаны результаты генерации: - Созданы цифры, лица, бабочки и даже картины в стиле Ван Гога. - Качество сравнимо с современными диффузионными моделями. - Есть две версии: мгновенная (один проход) и итеративная (несколько шагов, как у диффузии). ⚡ Чем интересен такой подход - Подход не требует никакой вычислительной нагрузки. - Супербыстрая генерация: физика света выполняет то, что GPU делает миллиардами операций. - Это открывает путь к энергоэффективному ИИ для edge-устройств: AR/VR, мобильные камеры, компактные сенсоры. ⚠️ Ограничения: - Сложно выравнивать оптические системы. - Ограничения по точности фазовых масок. - Зависимость от качества оборудования (шум, битовая глубина). Но даже с этими проблемами, это первый шаг к новому классу ИИ, где вычисления заменяются чистой оптикой. Nature: https://www.nature.com/articles/s41586-025-09446-5 @ai_machinelearning_big_data #AI#OpticalComputing#Photonics#GenerativeA