Dinesh Manocha

AI言語モデルのインストラクションチューニングの落とし穴を見てみよう。

RECAPは、高度な技術を使って再トレーニングなしで正確な音声キャプションを生成するんだ。

ロボットシステムに言語モデルを統合する危険性を調べる。

ロボットはダイナミックな環境で動いてる物体をうまく見つけることを学んでる。

言語モデルを使ってロボットがナビゲーションの指示を生成する方法。

新しい方法がロボットに助けを求めさせて、エラーを減らすのに役立ってる。

新しい方法で、視覚技術とコンテキスト認識システムを使って、複雑な環境でのロボットのナビゲーションが向上してるよ。

新しいデータセットが、ロボットが家の状況に関する複雑な質問に答えるのを手助けしてるんだ。

動画制作を改善する方法は、複数のコンセプトをカスタマイズして、より明確にすることだよ。

新しい方法で、複数のテキストプロンプトからの画像生成が改善されるよ。

この記事では、LVLMにおける幻覚について話し、それに対処する方法を提案してるよ。

新しい方法が複雑な交差点での交通の流れと燃費効率を改善する。

ABEXは、自然言語理解タスクのためにトレーニングデータを強化するために、Abstract-and-Expandを使ってるよ。

新しいモデルは、テキストと視覚情報の両方を使って音楽を生成するよ。

GAMAは音と語の知見を融合させて音声処理を改善するよ。

新しいモデルが音声と視覚データを組み合わせて、理解を向上させるんだ。

音声と映像データを使って、表現豊かなデジタルキャラクターを作る方法。

二つのロボットが一緒に働くことで、事前のトレーニングなしに物の位置を改善する。

研究者たちは、透明な物体の周りでのロボットのナビゲーションをより安全にするために、ライダー技術を強化している。

ReCLAPは、より正確な音声分類のために詳細なプロンプトを使って音声分類を強化するよ。

人間の指示と技術を組み合わせて、安全なロボットナビゲーションを実現する。

新しい方法で、四足ロボットの厳しい地形での動きが改善された。

SOARはドローン映像分析におけるアクション認識精度を向上させる。

新しい方法がロボットの多様な屋外環境をナビゲートする能力を向上させる。

新しい方法が視覚的に豊かなドキュメントで答えを見つける課題に取り組んでるよ。

新しいシステムは、詳細なテキスト説明を使って音声コントロールを変革する。

DAVEデータセットは、より良いAIトレーニングのために複雑な道路シナリオを捉えている。

LVLMは現実を認識するのが苦手で、深刻な結果を招く危険がある。