현재 video generation models는 forces와 robotic manipulations와 같은 3D 행동의 물리적 결과를 시뮬레이션할 수 없으며, 구조적 이해가 부족하기 때문입니다.

인간 동작 예측은 trajectory forecasting와 human pose prediction 작업을 결합합니다. 두 작업 각각에 대해, 특화된 models가 개발되었습니다.

피드포워드 트랜스포머 모델은 3D 비전에서 급속한 발전을 이끌었지만, VGGT 및 π³와 같은 최첨단 방법은 계산 비용이 규모에 따라 증가합니다.

전통적인 vision-language 모델은 대비적인 세밀한 분류학적 추론에 어려움을 겪으며, 특히 시각적으로 유사한 종을 구별할 때 그렇다.

병리 보고서 생성은 주로 gigapixel 규모와 복잡한 형태학적 이질성 때문에 비교적 탐구가 부족한 downstream task로 남아 있습니다.

대규모 Vision‑Language Foundation Models(VLFMs), 예를 들어 CLIP은 이제 다양한 컴퓨터 비전 연구 및 응용 분야의 기반이 되고 있습니다. VLFMs는 종종 ada...

컴퓨터 지원 설계(CAD) 모델을 구축하는 것은 노동 집약적이지만 엔지니어링 및 제조에 필수적입니다. 최근 대규모 언어 모델(Large Language Models, LL…)

우리는 모든 분야의 point clouds가 모여 모두에게 이익이 되는 단일 모델을 형성하는 미래를 꿈꿉니다. 이 목표를 향해 우리는 Utonia를 제시합니다, ...

Embodied Conversational Agents (ECAs)는 음성, 제스처, 그리고 얼굴 표정을 통해 인간의 대면 상호작용을 모방하는 것을 목표로 합니다. 현재 large language model…

많은 필수적인 조작 작업—예를 들어 음식 준비, 수술, 그리고 장인 기술—은 자율 로봇에게는 여전히 해결하기 어렵다. 이러한 작업들은 ...

자율적이고 다목적 전체 몸체 whole-body loco-manipulation을 달성하는 것은 인간형 로봇을 실용적으로 유용하게 만드는 데 핵심적인 장벽으로 남아 있습니다. 그러나 기존 접근 방식은 fu...

상호작용과 경험으로부터 수행하고 학습하는 능력은 로봇공학에서 핵심적인 과제로, 노동 집약적인 인간 ...에 대한 확장 가능한 대안을 제공합니다.