meineki.news Logo
meineki.news
KI News. Verstehen, was wichtig wird.
Anmelden
Suche

Finde Modelle, Firmen und Themen

Suche im News-Archiv nach Themen, die du dauerhaft verfolgen willst.

Ergebnisse für “Embodied”
Forschung

<p>Embodied AI löst Produktionsphasewechsel: Neue Topologie der Fertigung</p> <p>Seit der Erfindung der Fließbandproduktion durch Henry Ford im Jahr 1913 hat sich die grundlegende Struktur der Fertigung kaum verändert. Moderne Entwicklungen wie das Toyota Production System oder Industrie 4.0 haben lediglich die Effizienz innerhalb dieses Fordistischen Rahmens verbessert, ohne die zentrale Logik zu verändern: große, zentralisierte Fabriken in der Nähe von Arbeitskräften, die in großem Maßstab produzieren.</p
arXiv – cs.AI
Forschung

<p>Neue Benchmark NativeEmbodied zeigt Schwächen von VLM-basierten Agenten</p> <p>Vision‑Language‑Modelle (VLMs) haben in den letzten Jahren großes Interesse für menschenähnliche, eingebettete Intelligenz geweckt. Bisherige Tests für VLM‑gestützte Agenten setzen jedoch häufig auf hochrangige Befehle oder stark vereinfachte Aktionsräume, die weit von realen Steuerungsbedingungen abweichen. Diese Diskrepanz führt zu unvollständigen Bewertungen der tatsächlichen Fähigkeiten der Agenten.</p> <p>Um diese Lücken

arXiv – cs.AI
Forschung

<p>Neues Verfahren: Dual-Granularitäts-Contrastive Reward erhöht Effizienz von Embodied RL</p> <p>In der Welt des Reinforcement Learning (RL) gilt die Gestaltung geeigneter Belohnungen als entscheidende Herausforderung, besonders bei körperlich gesteuerten Manipulationsaufgaben. Traditionelle Trajektorien-Erfolgsbelohnungen sind zwar intuitiv, doch ihre starke Sparsamkeit hemmt die Sample‑Effizienz von RL-Algorithmen. Aktuelle Ansätze, die auf dichte Belohnungen setzen, benötigen häufig umfangreiche, von Me
arXiv – cs.LG
Forschung

<p>LLM-gestützte Agenten planen ohne ständige Kommunikation dank neuer PCE-Methode</p> <p>In komplexen, mehragentigen und teilweise unsichtbaren Umgebungen müssen autonome Agenten Entscheidungen treffen, obwohl sie nicht alles über ihre Umgebung und die Absichten anderer Agenten wissen. Traditionell wurden große Sprachmodelle (LLMs) eingesetzt, um Ziele zu zerlegen und sich online anzupassen, doch die Unsicherheit wurde meist durch häufige Kommunikation zwischen Agenten gemildert – ein Ansatz, der viel Toke
arXiv – cs.AI
Forschung

<p>LMEE-Bench: LLM-basiertes Langzeitgedächtnis für eingebettete Exploration</p> <p>Eine neue Veröffentlichung auf arXiv (2601.10744v1) stellt das Konzept „Long‑term Memory Embodied Exploration“ (LMEE) vor, das darauf abzielt, eingebettete Agenten mit lebenslangem Lernen auszustatten. Ziel ist es, Agenten zu entwickeln, die nicht nur Aufgaben erledigen, sondern auch ihr episodisches Langzeitgedächtnis nutzen, um Entscheidungen über lange Zeiträume hinweg zu optimieren.</p> <p>Um die Fortschritte in diesem B
arXiv – cs.AI
Forschung

<p>Suzume-chan: Der persönliche Navigator als physischer Wissenshub</p> <p>In einer Zeit, in der der Zugang zu Expertenwissen immer häufiger über digitale Plattformen erfolgt, zeigt die neue Studie, dass echte, menschliche Nähe für ein tiefes Verständnis unerlässlich bleibt. Durch die Anwendung der Social Presence Theory wird erklärt, wie das Gefühl des „Zusammenseins“ die Kommunikation stärkt.</p> <p>Auf dieser Basis wurde der „Embodied Information Hub“ entwickelt – ein innovatives Konzept, das Wissen über
arXiv – cs.AI