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
Forwarded from Grounding Knowledge 🦾
This media is not supported in your browser
VIEW IN TELEGRAM
И 10 секунд видео для понимания атмосферы 🎻
❤8
Приглашаем всех на наш трек ИИ в олимпиаде "Я-Профессионал"
https://yandex.ru/profi/courses2024/ai
https://yandex.ru/profi/courses2024/ai
Я — профессионал | Искусственный интеллект
Описание направления «Искусственный интеллект»
👍2
Forwarded from МФТИ — Физтех
Я/МЫ профессионалы!
🚀 Карьерные возможности
🚀 Денежные премии
🚀 Льготы при поступлении в магистратуру и аспирантуру
Регистрация на олимпиаду «Я — профессионал» заканчивается 12 ноября: https://yandex.ru/profi/
📌 В этом учебном году вновь десятки направлений олимпиады будут учитываться приемной комиссией при поступлении:
Учет направлений «Я — профессионал» при поступлении в магистратуру
Учет направлений «Я — профессионал» при поступлении в аспирантуру
Регистрация на олимпиаду «Я — профессионал» заканчивается 12 ноября: https://yandex.ru/profi/
Учет направлений «Я — профессионал» при поступлении в магистратуру
Учет направлений «Я — профессионал» при поступлении в аспирантуру
Please open Telegram to view this post
VIEW IN TELEGRAM
🎉2
Forwarded from Embodied AI Reading Club
Всем привет!
Завтра (25 октября ) в 16:00 Никита Качаев расскажет про:
Эффективный Online RL с использованием offline данных
Рассмотрим, как использование предварительно неразмеченных offline данных может ускорить exploration и повысить sample efficiency для off-policy алгоритмов в задачах с разреженными вознаграждениями, а также обсудим подходы к объединению онлайн и офлайн обучения без введения дополнительных регуляризаций с использованием on-policy алгоритмов
Статьи:
1. Accelerating Exploration with Unlabeled Prior Data
2. Uni-O4: Unifying Online and Offline Deep Reinforcement Learning with Multi-Step On-Policy Optimization
Ссылка на подключение будет позже
Завтра (25 октября ) в 16:00 Никита Качаев расскажет про:
Эффективный Online RL с использованием offline данных
Рассмотрим, как использование предварительно неразмеченных offline данных может ускорить exploration и повысить sample efficiency для off-policy алгоритмов в задачах с разреженными вознаграждениями, а также обсудим подходы к объединению онлайн и офлайн обучения без введения дополнительных регуляризаций с использованием on-policy алгоритмов
Статьи:
1. Accelerating Exploration with Unlabeled Prior Data
2. Uni-O4: Unifying Online and Offline Deep Reinforcement Learning with Multi-Step On-Policy Optimization
Ссылка на подключение будет позже
🔥7👍1