様々な地形でサッカーをプレーするための四脚ロボットシステム

Four-legged robot system for playing soccer on various terrains.

「DribbleBot」は、強化学習を用いて、砂、砂利、泥、雪などの様々な地形でサッカーボールを操ることができます。オンボードセンシングとコンピューティングを使用して、ボールの動力学に適応します。

研究者たちは、様々な天然地形でサッカーボールをドリブルするためのシステムであるDribbleBotを作成しました。砂、砂利、泥、雪などが含まれます。これらのサッカーロボットは、人間が捜索・救助ミッションで役立つことがあるかもしれません。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!

Share:

Was this article helpful?

93 out of 132 found this helpful

Discover more

データサイエンス

「データプラットフォームから機械学習プラットフォームへ」

データ/機械学習は、私たちのテクノロジーの風景では最も人気のあるトピックです私はデータ/機械学習プラットフォームの理解...

データサイエンス

「Samet氏がACM SIGSPATIAL生涯影響力賞を受賞」

佐藤ハンアンは、ACMの特殊な関心事群であるSIGSPATIALから、初の終身功績賞を受賞しました

機械学習

Mistral-7B-v0.1をご紹介します:新しい大型言語モデルの登場' (Misutoraru 7B v0.1 wo goshōkai shimasu Atarashii ōgata gengo moderu no tōjō)

“`html Mistral-7B-v0.1は、大規模な言語モデル(LLM)の人工知能(AI)の最新の進歩の一つです。Mistral AIの最新のLL...

機械学習

「グラフ注意ネットワーク論文のイラストとPyTorchによる実装の説明」

グラフニューラルネットワーク(GNN)は、グラフ構造のデータに作用する強力なニューラルネットワークの一種ですノードのロー...

機械学習

モデルインサイトの視覚化:ディープラーニングにおけるGrad-CAMのガイド

イントロダクション グラジエント重み付きクラスアクティベーションマッピングは、CNNでの意思決定を可視化し理解するための...

機械学習

このNVIDIAのAI論文は、検索補完と長い文脈の力を探求しています:どちらが優れているのか、そしてそれらは共存できるのか?

ナビディアの研究者たちは、大規模言語モデル(LLM)のパフォーマンスにおける検索補完とコンテキストウィンドウサイズの影響...