Forwarded from МФТИ — Физтех
Новый институт займется решением исследовательских и прикладных задач в области машинного обучения и AI, актуальных для страны. Основная цель нового института — создание высокотехнологичных платформенных ИИ-решений для повышения технологического суверенитета и реализации прорыва в ключевых отраслях отечественной экономики.
Искусственный интеллект стал главной технологией XXI века, которая обеспечит повышение эффективности во всех сферах деятельности. Страна сейчас делает ставку на ИИ как на основной драйвер технологической независимости. МФТИ — один из российских лидеров образования в области IT и искусственного интеллекта, а также форвард разработки и обучения использованию технологий машинного обучения. Создание Института ИИ — закономерный этап, который консолидирует сильнейшие компетенции и опыт в интересах российских промышленности и бизнеса, — рассказал ректор МФТИ Дмитрий Ливанов.
Институт искусственного интеллекта МФТИ представляет собой уникальное сочетание передовой российской математической школы и обширного опыта в области искусственного интеллекта. На его базе будут проводится не только исследования, но и разрабатываться решения, востребованные бизнесом и промышленностью.
Главный фокус института — создание инновационных программных продуктов и платформ, которые открывают доступ к передовым технологиям и помогают эффективно решать актуальные задачи различных отраслей.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4👍2😁1
🎓 — Семинар 6. Model-based Policy Optimization using Symbolic World Model | Андрей Городецкий
Некоторые механические системы подчиняются функциональным зависимостям с небольшим количеством параметров, однако их приближение моделью с фиксированной архитектурой, например MLP, обычно требует настройки гораздо большего числа параметров.
В докладе Андрей расскажет про задачу символьной регрессии, метод её решения с помощью трансформера, применение этого метода для получения модели динамики среды и её использование в model-based policy optimization для обучения агента управлению низкоразмерными системами.
👉🏻 Дата: 10.10.24, четверг в 17:00
📹 Трансляция Youtube
Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!
#семинары #RL #robotics
Некоторые механические системы подчиняются функциональным зависимостям с небольшим количеством параметров, однако их приближение моделью с фиксированной архитектурой, например MLP, обычно требует настройки гораздо большего числа параметров.
В докладе Андрей расскажет про задачу символьной регрессии, метод её решения с помощью трансформера, применение этого метода для получения модели динамики среды и её использование в model-based policy optimization для обучения агента управлению низкоразмерными системами.
👉🏻 Дата: 10.10.24, четверг в 17:00
📹 Трансляция Youtube
Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!
#семинары #RL #robotics
🔥3👍2
💫 — Начинаем семинар присоединяйтесь к трансляции!
YouTube
Семинар 6. Model-based Policy Optimization using Symbolic World Model
❤5
Forwarded from ФПМИ.Студентам
🧠 «НЕЙРОИНФОРМАТИКА» – многоплановый научный форум, на котором обсуждаются вопросы теории и приложений искусственных нейронных сетей, проблемы нейробиологии и системной биофизики, задачи адаптивного поведения и когнитивных исследований и другие актуальные проблемы нейронаук.
⚡ Не упустите шанс стать частью масштабного события в области нейронаук!
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥3
Forwarded from Grounding Knowledge 🦾
#IROS2024 Первый день конференции, по традиции, посвящен воркшопам и туториалам, среди которых было и организованное нашей командой мероприятие под руководством Константина Яковлева - Multi-Robot Path Planning: Heuristic Search Meets Reinforcement Learning (Tutorial). В полдня мы уместили довольно разнообразную программу. В первой части с лекциями выступили Свен Кениг (UC Irvine, создать большого количества метода многоагентного классического планирования, по которым ездят роботы в Амазоне) и Гийом Сарторетти (Университет Сингапура, основоположник обучаемого MAPF). Успели даже подискутировать на счет проблем RL в многоагентных задачах. Во второй частия, Алексей Скрынник и Антон Андрейчук рассказали про нашу среду и набор инструментов для обучения и тестирования обучаемых и классических MAPF алгоритмов - POGEMA. Рассказали и про наши последние результаты: базовую модель MAPF-GPT и обзор сред в MARL. В конце подробно на python тетрадке показали как все запускать, скачивать и обучать. Интерес, на удивление, в робо-сообществе был значительный, даже код запустить не поленилась почти половина участников.
👍4❤🔥2
Forwarded from Нейроинформатика (Neuro AI)
В рамках конференции “Нейроинформатика-2024” объявлен конкурс молодых специалистов на соискание премии имени академика Андрея Леоновича Микаэляна.
А.Л. Микаэлян – выдающийся ученый с мировым именем в области квантовой электроники, голографии, систем оптической памяти и нейронных сетей. Он является признанным основоположником волноводно-ферритной техники. А.Л. Микаэлян основал ряд направлений в лазерной физике, оптоэлектронике, ферритной технике. Он открыл явление многократной фокусировки электромагнитных волн и самовосстановления волнового фронта в неоднородных средах, выдвинул идею создания оптического волновода на базе этого явления. Им разработан ряд методов решения обратных задач геометрической оптики. Применение этих методов позволило создать новый класс канализирующих и фокусирующих систем.
К участию в конкурсе приглашаются молодые специалисты (включая студентов и аспирантов) в возрасте до 30 лет включительно.
Кандидаты наук в конкурсе участия не принимают.
Жюри будет оценивать новизну и оригинальность исследования, качество доклада и презентации.
Обязательное требование – личное представление работы на секционном или стендовом заседании.
Победители и призеры получат дипломы и денежные призы:
Диплом I степени – 50 000 руб. (одна премия)
Диплом II степени – 30 000 руб. (две премии)
Диплом III степени – 20 000 руб. (три премии)
А.Л. Микаэлян – выдающийся ученый с мировым именем в области квантовой электроники, голографии, систем оптической памяти и нейронных сетей. Он является признанным основоположником волноводно-ферритной техники. А.Л. Микаэлян основал ряд направлений в лазерной физике, оптоэлектронике, ферритной технике. Он открыл явление многократной фокусировки электромагнитных волн и самовосстановления волнового фронта в неоднородных средах, выдвинул идею создания оптического волновода на базе этого явления. Им разработан ряд методов решения обратных задач геометрической оптики. Применение этих методов позволило создать новый класс канализирующих и фокусирующих систем.
К участию в конкурсе приглашаются молодые специалисты (включая студентов и аспирантов) в возрасте до 30 лет включительно.
Кандидаты наук в конкурсе участия не принимают.
Жюри будет оценивать новизну и оригинальность исследования, качество доклада и презентации.
Обязательное требование – личное представление работы на секционном или стендовом заседании.
Победители и призеры получат дипломы и денежные призы:
Диплом I степени – 50 000 руб. (одна премия)
Диплом II степени – 30 000 руб. (две премии)
Диплом III степени – 20 000 руб. (три премии)
🔥3
🎓 — Семинар 7. Нейросетевые методы регистрации облаков точек в задачах иерархической локализации| Александр Мелехин
Регистрация облаков точек представляет собой важную задачу в области компьютерного зрения и робототехники, заключающуюся в поиске оптимальной трансформации между двумя облаками точек. Она находит множество применений, в том числе в задаче иерархической локализации, где служит одним из ключевых этапов, уточняя положение и ориентацию агента в пространстве.
В докладе будет представлен обзор данной задачи, а также проведён анализ современных нейросетевых методов, которые демонстрируют высокую эффективность в решении задач регистрации облаков точек.
👉🏻 Дата: 17.10.24, четверг в 17:00
📹 Трансляция Youtube
Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!
#семинары #CV #robotics
Регистрация облаков точек представляет собой важную задачу в области компьютерного зрения и робототехники, заключающуюся в поиске оптимальной трансформации между двумя облаками точек. Она находит множество применений, в том числе в задаче иерархической локализации, где служит одним из ключевых этапов, уточняя положение и ориентацию агента в пространстве.
В докладе будет представлен обзор данной задачи, а также проведён анализ современных нейросетевых методов, которые демонстрируют высокую эффективность в решении задач регистрации облаков точек.
👉🏻 Дата: 17.10.24, четверг в 17:00
📹 Трансляция Youtube
Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех!
#семинары #CV #robotics
👍2🔥2
Оплачиваемая стажировка в Центре когнитивного моделирования ФПМИ МФТИ предполагает работу над прикладными или поисковыми проектами в составе опытной команды, написание статей в ведущие конференции и журналы.
Стажировка проходит в рамках одного из направлений работ Центра:
— Мультимодальное обучение с подкреплением
— Многоагентное планирование пути
— Мультиагентное обучение с подкреплением
— Неоднозначности в языковых моделях
— Робастное обучение с подкреплением
— Распознавание места
— Локализация для беспилотного траснпорта
В процессе вашей работы вы сможете погрузиться в:
— Разработку новых SOTA алгоритмов
— Написание публикаций и участие в международных конференциях со своими результатами
— Cовременные проблемы внедрения передовых методов искусственного интеллекта для решения практических задач
Стажировку можно совмещать с написанием вашего бакалаврского или магистерского диплома. После успешного окончания стажировки возможно трудоустройство в лаборатории Центра, поступление в магистратуру и аспирантуру , продолжение работы в компаниях партнерах.
Прием заявок до 15 ноября 2024 включительно!
Заполнить анкету
Вопросы можно задать нам в сообщениях или по почте: vainberg.ri@mipt.ru, @rvainberg
Подробнее
#стажировка #LLM #RL #selfdriving #multiagent #CV #planning
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10👍2🐳2
Forwarded from Embodied AI Reading Club
Всем привет!
Завтра (18 октября) в 17:15 Ева Бакаева расскажет про
Vision-and-Language Navigation
В докладе будет представлен обзор различных задач и направлений области Vision-and-Language Navigation (VLN). Рассмотрим основные VLN бенчмарки, использование LLM и VLM для их решения и актуальные работы
Статьи:
1. Vision-and-Language Navigation: Interpreting visually-grounded navigation instructions in real environments
2. REVERIE: Remote Embodied Visual Referring Expression in Real Indoor Environments
3. Room-Across-Room: Multilingual Vision-and-Language Navigation with Dense Spatiotemporal Grounding
4. Touchdown: Natural Language Navigation and Spatial Reasoning in Visual Street Environments
5. Vision-based Navigation with Language-based Assistance via Imitation Learning with Indirect Intervention
6. CoWs on Pasture: Baselines and Benchmarks for Language-Driven Zero-Shot Object Navigation
7. Memory-Maze: Scenario Driven Benchmark and Visual Language Navigation Model for Guiding Blind People
8. LM-Nav: Robotic Navigation with Large Pre-Trained Models of Language, Vision, and Action
9. NaVid: Video-based VLM Plans the Next Step for Vision-and-Language Navigation
10. BehAV: Behavioral Rule Guided Autonomy Using VLMs for Robot Navigation in Outdoor Scenes
Ссылка на подключение будет позже
Завтра (18 октября) в 17:15 Ева Бакаева расскажет про
Vision-and-Language Navigation
В докладе будет представлен обзор различных задач и направлений области Vision-and-Language Navigation (VLN). Рассмотрим основные VLN бенчмарки, использование LLM и VLM для их решения и актуальные работы
Статьи:
1. Vision-and-Language Navigation: Interpreting visually-grounded navigation instructions in real environments
2. REVERIE: Remote Embodied Visual Referring Expression in Real Indoor Environments
3. Room-Across-Room: Multilingual Vision-and-Language Navigation with Dense Spatiotemporal Grounding
4. Touchdown: Natural Language Navigation and Spatial Reasoning in Visual Street Environments
5. Vision-based Navigation with Language-based Assistance via Imitation Learning with Indirect Intervention
6. CoWs on Pasture: Baselines and Benchmarks for Language-Driven Zero-Shot Object Navigation
7. Memory-Maze: Scenario Driven Benchmark and Visual Language Navigation Model for Guiding Blind People
8. LM-Nav: Robotic Navigation with Large Pre-Trained Models of Language, Vision, and Action
9. NaVid: Video-based VLM Plans the Next Step for Vision-and-Language Navigation
10. BehAV: Behavioral Rule Guided Autonomy Using VLMs for Robot Navigation in Outdoor Scenes
Ссылка на подключение будет позже
🔥3
Forwarded from Grounding Knowledge 🦾
#ECAI2024 Передаем всем привет из Сантьяго-де-Компостела, где проходит вещуая конференция по ИИ в Европе. Как обычно, программа начинается с воркшопов и туториалов, которых тут почти 50 штук. Организация конференции на высшем уровне и благодаря не такой скученности как на ICLR или AAAI здесь получается более содержательное обсуждение докладов, нет очередий и у организаторов хватает времени на разные мелки приятные орг моменты. Пакет участника очень полезный и современный. На ресепшене был струнный концерт, а на открытии были незатянутые приветсвенные слова от мэра города, министра образования и ректора университета. Но обо всем по порядку.
На воркшопе Multimodal, Affective and Interactive eXplainable AI был обзорный доклад от Albert Gatt про работы VL-SHAP и VALSE про граундинг языковых моделей и классические языковые задачки в эпоху LLM. Порадовала работа про видео ViLMA с бенчмакром про swapping аргументов действия. Еще отмечу интересную работу на воркшопе Adjustable Autonomy and Physical Embodied Intelligence про model-based для многих агентов Multi-Agent Model-Based Reinforcement Learning in Discrete Non-Markovian Reward Decision Processes, где обсуждалась формализация немарковских процессов в явном виде - наконец-то есть нормальная математическая постановка для реальных сред в RL. И упомяну воркшоп для управленцев Machine Learning Meets Differential Equations, где было много различных примеров дифференциальных уравнение, которые успешно аппроксимируются нейросетевыми методами.
На воркшопе Multimodal, Affective and Interactive eXplainable AI был обзорный доклад от Albert Gatt про работы VL-SHAP и VALSE про граундинг языковых моделей и классические языковые задачки в эпоху LLM. Порадовала работа про видео ViLMA с бенчмакром про swapping аргументов действия. Еще отмечу интересную работу на воркшопе Adjustable Autonomy and Physical Embodied Intelligence про model-based для многих агентов Multi-Agent Model-Based Reinforcement Learning in Discrete Non-Markovian Reward Decision Processes, где обсуждалась формализация немарковских процессов в явном виде - наконец-то есть нормальная математическая постановка для реальных сред в RL. И упомяну воркшоп для управленцев Machine Learning Meets Differential Equations, где было много различных примеров дифференциальных уравнение, которые успешно аппроксимируются нейросетевыми методами.
😁6👍4