🍏 اپل دو مدل متن‌باز جدید معرفی کرد: FastVLM و MobileCLIP2

🔹 این مدل‌ها تا ۸۵ برابر سریع‌تر و ۳.۴ برابر کوچک‌تر از نسل قبلی هستند.
🔹 مناسب برای پردازش تصاویر با وضوح بالا در کاربردهایی مثل:

♻️OCR (تشخیص متن از تصویر)

♻️Image Captioning (تولید توضیحات برای تصاویر)

♻️Visual Question Answering (پاسخ به سوالات تصویری)

♻️Image Understanding (درک محتوای تصویر)


⚡️ اپل با این حرکت جدی‌تر از همیشه وارد رقابت مدل‌های سبک و سریع برای کاربردهای صنعتی و موبایلی شده است.

لینک
@rss_ai_ir

#Apple #AI #FastVLM #MobileCLIP2 #VisionModels

🚗🔊 ماشین گوش دارد!

در آلمان سیستمی به نام Hearing Car معرفی شده که با استفاده از میکروفون‌ها و هوش مصنوعی صداهای جاده را در لحظه تحلیل می‌کند، جهت آن‌ها را تشخیص می‌دهد و از طریق پشت‌سری صندلی به راننده هشدار می‌دهد.

⌛️ این فناوری چیزهایی را می‌شنود که دوربین‌ها نمی‌بینند:

♻️آژیر آمبولانس و آتش‌نشانی 🚑🔥
♻️بوق خودروها و زنگ دوچرخه‌ها 🚲
♻️هشدارهای صوتی رهگذران یا مأموران


🔬 تست‌های این سیستم از پرتغال تا قطب شمال انجام شده است.

💬 در داخل کابین هم، سیستم وضعیت راننده را از روی تنفس، ضربان قلب و صدا بررسی می‌کند. برای مسافران نیز سرویسی به نام YourSound وجود دارد که موسیقی و محتوای صوتی را مطابق سلیقه‌شان پیشنهاد می‌دهد.

❓ شما چنین خودرویی را دوست دارید یا فکر می‌کنید حواس‌پرتی ایجاد می‌کند؟

#هوش_مصنوعی #ایمنی_جاده #صنعت_خودرو #فناوری
@rss_ai_ir

📌 تسلا استراتژی آموزش ربات Optimus را تغییر داد

♻️طبق گزارش Business Insider، تسلا تصمیم گرفته آموزش ربات Optimus را بر پایه‌ی رویکرد فقط-بینایی (vision-only) جلو ببرد؛ یعنی یادگیری صرفاً از طریق تصاویر و ویدئو.

🔑 نکات کلیدی:

✳️در اواخر جولای به کارکنان اعلام شد که از این پس تمرکز بر آموزش با تصویر و ویدئو خواهد بود. این دقیقاً همان فلسفه‌ای است که تسلا در توسعه‌ی سیستم رانندگی خودکارش دنبال می‌کند و برخلاف رقبا از LiDAR استفاده نمی‌کند.

✳️پیش‌تر از هدست‌های VR و لباس‌های موشن‌کپچر برای ضبط حرکات انسان‌ها استفاده می‌کردند. اکنون تمرکز روی ضبط ویدئو از کارگران در حال انجام وظایف است.

✳️حذف موشن‌کپچر باعث می‌شود مقیاس‌پذیری افزایش یابد، زیرا دیگر مشکلات فنی و تعمیر تجهیزات مزاحم نیست.

✳️ویدئوها ساده و معمولی نیستند: تسلا در حال آزمایش سیستمی با ۵ دوربین است — یک دوربین روی کلاه و چهار دوربین روی «کوله‌پشتی» سنگین برای پوشش دید چند جهته.

✳️در حالی‌که رقبایی مانند Figure.AI ،Physical Intelligence و Boston Dynamics همچنان بر موشن‌کپچر تکیه دارند، تسلا مسیر متفاوتی را انتخاب کرده است.


🤔 پرسش مهم این است: آیا رویکرد vision-only می‌تواند سریع‌تر از روش‌های سنتی مبتنی بر موشن‌کپچر پیش برود؟

@rss_ai_ir

#تسلا #Optimus #رباتیک #هوش_مصنوعی #vision_only #BostonDynamics #FigureAI

🔥 سام آلتمن درباره GPT-5

«بازگشت به مدل‌های قدیمی بعد از GPT-5 مثل یک عذاب است.»

به گفته‌ی او، GPT-5 عمیق‌تر، طبیعی‌تر و به‌طور محسوسی باهوش‌تر شده. این مدل یکپارچه است، بدون نیاز به سوییچ کردن بین نسخه‌ها، و مثل یک تیم متخصص همیشه در کنار شما عمل می‌کند.

✨ قابلیت‌ها:
⚡ نوشتن برنامه‌ها از صفر
📚 تولید گزارش‌های دقیق درباره سخت‌ترین موضوعات
🎯 برنامه‌ریزی رویدادهای واقعی به صورت کاملاً خودکار

@rss_ai_ir 🤖🚀

#هوش_مصنوعی #GPT5 #SamAltman #مدل_زبان

🫛 TMR: Few-Shot Template-Matching 🫛

محققان دانشگاه POSTECH از رویکرد جدیدی به نام TMR رونمایی کردند؛ یک الگوریتم ساده و نوآورانه برای شناسایی الگوها که با استفاده از few-shot learning عملکردی بسیار قوی و حتی SOTA روی دیتاست‌های متنوع نشان داده است.

🔹 همچنین یک دیتاست جدید به نام RPINE معرفی شده و مخزن کد (repo) به‌زودی منتشر خواهد شد.

🔗 منابع:
👉 مرور
👉 مقاله
👉 پروژه
👉 مخزن کد

@rss_ai_ir 🤖🧩

#هوش_مصنوعی #الگوریتم #TMR #FewShot #یادگیری_ماشین #AI_industrial_news

🎤 اوپن‌اِی‌آی مدل gpt-realtime را معرفی کرد؛ یک مدل پیشرفته speech-to-speech با پشتیبانی از MCPهای ریموت و ورودی تصویری.

✨ قابلیت‌ها:

✳️درک نشانه‌های غیرکلامی (nonverbal cues) در مکالمه
✳️تغییر زبان حین گفتگو با حفظ جریان طبیعی
✳️پشتیبانی همزمان از صدا و تصویر


📊 امتیاز خیره‌کننده ۸۲.۸٪ روی بنچمارک‌های استدلال صوتی (audio reasoning)

این مدل می‌تواند نقطه عطفی در ساخت دستیارهای هوشمند مکالمه‌ای باشد.

@rss_ai_ir

#OpenAI #GPTRealtime #SpeechAI #AI #MCP #VoiceAssistant

👨‍🌾 آینده کشاورزی بدون شک در ترکیب ماشین‌آلات پیشرفته + هوش مصنوعی خواهد بود؛ جایی که حتی کیفیت گوجه‌ها هم به‌صورت خودکار پایش و درجه‌بندی می‌شود.

#کشاورزی_هوشمند #ماشین_برداشت #گوجه_فرنگی #فناوری_صنعتی

@rss_ai_ir

🎬 حالا وقتشه برای انیمیشن!

امروز دیگه ساختن یک انیمیشن سال‌ها کار دستی نمی‌خواد؛ فقط کافیه استک درستی از ابزارهای هوش مصنوعی رو کنار هم بچینید:

🔹 Midjourney — طراحی شخصیت‌ها و صحنه‌ها
🔹 HeyGen Avatar IV — لیپ‌سینک و جان‌بخشی به چهره‌ها
🔹 Nano Banana + Flux Kontext — تولید نماها و زاویه‌های جدید
🔹 Flow / Veo 3 — ساخت اصلی شات‌ها
🔹 ElevenLabs v3 — صداگذاری با کیفیت بالا
🔹 Suno — موسیقی و ترک صوتی
🔹 DaVinci Resolve — کامپوزیت و مونتاژ نهایی

📌 جزئیات بیشتر اینجاست:
👉 https://cartoonhero.ai/

دنیای انیمیشن جلوی چشم‌هامون در حال تغییره؛ حالا هر کسی می‌تونه تقریبا از هیچ، یک کارتون کامل بسازه 🚀

@rss_ai_ir

#انیمیشن #هوش_مصنوعی #midjourney #heygen #nanobanana #veo3 #elevenlabs #suno #davinci

♨️ربات سقفی جذاب

@rss_ai_ir ⚙️🧠

#هوش_مصنوعی #رباتیک #سقفی #روبات

🧬 نسخه OpenVision 2 منتشر شد! 🧬

👉 دانشگاه UCSC نسخه دوم OpenVision2 را معرفی کرد: خانواده‌ای نوآورانه از visual encoder‌های مولد که بدون نیاز به text encoder و contrastive loss آموزش می‌بینند. این مدل‌ها فقط با caption-only supervision آموزش داده شده‌اند.

🔹 کاملاً اوپن‌سورس و تحت لایسنس Apache 2.0 💙

🔗 منابع:

👉 Paper
👉 Project
👉 Repo

@rss_ai_ir

#AI #ML #CV #OpenVision2 #opensource #UCSC

👥 چرا در پروژه‌های صنعتی تیم مهم‌تر از فرد است؟

در دنیای صنعت، مخصوصاً در پروژه‌های هوش مصنوعی، رباتیک و اتوماسیون، موفقیت معمولاً حاصل تلاش یک تیم منسجم است نه یک فرد.

🔹 پیچیدگی پروژه‌ها: ابعاد مختلف مثل سخت‌افزار، نرم‌افزار، داده و مدیریت باید کنار هم دیده شوند.
🔹 تقسیم تخصص‌ها: یک نفر متخصص الگوریتم است، دیگری سنسورها را می‌شناسد و فردی دیگر مدیریت پروژه را برعهده دارد.
🔹 سرعت و مقیاس‌پذیری: کار گروهی باعث می‌شود بخش‌ها موازی پیش بروند و پروژه سریع‌تر نتیجه دهد.
🔹 خلاقیت جمعی: هر نفر زاویه دید خودش را دارد؛ کنار هم گذاشتن این دیدگاه‌ها ایده‌های نو و عملی می‌سازد.
🔹 پایداری پروژه: اگر همه‌چیز روی دوش یک نفر باشد، با نبود او پروژه فلج می‌شود. تیم قوی این ریسک را از بین می‌برد.

✅ در صنعت، هم‌افزایی تیمی کلید موفقیت است. توان یک تیم خوب همیشه از مجموع توانایی‌های افرادش بیشتر است.

#مدیریت_پروژه #صنعت #تیم_کاری #هوش_مصنوعی #اتوماسیون

@rss_ai_ir

🚶‍♂️🦾 تصور کن توی خیابون راه می‌ری و یک ربات انسان‌نما مثل Unitree G1 جلوت سبز بشه...
فقط یک سؤال: چی کار می‌کنی؟ 😅

@rss_ai_ir

#UnitreeG1 #ربات #هوش_مصنوعی #آینده #AI #Robotics

🚀 HunyuanWorld-Voyager — هوش مصنوعی متن‌باز برای ساخت دنیای سه‌بعدی

شرکت Tencent از HunyuanWorld-Voyager رونمایی کرد؛ اولین هوش مصنوعی open-source جهان که تولید ویدئو را با بازسازی سه‌بعدی واقعی ترکیب می‌کند.

✨ چرا مهم است؟
✅ ویدئو به طور مستقیم به صحنه‌های کامل سه‌بعدی تبدیل می‌شود (بدون نیاز به ابزار اضافی)
✅ مدل «حافظه فضایی» دارد و هندسه صحیح را از هر زاویه حفظ می‌کند
✅ رتبه اول در Stanford WorldScore برای ویدئو و بازسازی سه‌بعدی

🎮 کاربردها: واقعیت مجازی (VR)، بازی‌ها، شبیه‌سازی‌ها و پروژه‌های سه‌بعدی — با کنترل از طریق کیبورد یا دسته بازی.

🌐 Project Page: HunyuanWorld-Voyager
💻 GitHub: کد منبع
🤗 HuggingFace: مدل‌ها
📄 PDF: جزئیات کامل
🏆 Leaderboard: WorldScore

@rss_ai_ir

#هوش_مصنوعی #سه‌بعدی #VR #گیمینگ #OpenSource

🚀 وسیله فوق‌متحرک (UMV) + یادگیری تقویتی

با استفاده از یادگیری با تقویت، دامنه حرکات UMV برای عبور از موانع گسترش یافته است:

✳️پرش‌ها 🦘
✳️حفظ تعادل در خارج از سطح صاف ⚖️
✳️چرخش و پشت‌ورو شدن روی سطح هموار 🔄


📊 میلیون‌ها شبیه‌سازی در موتورهای فیزیکی به‌عنوان داده آموزشی استفاده شده‌اند و همین باعث می‌شود مدل بتواند این حرکات را به‌صورت zero-shot، یعنی بدون نیاز به آموزش دوباره در دنیای واقعی، اجرا کند.


#هوش_مصنوعی #یادگیری_تقویتی #رباتیک #شبیه‌سازی

@rss_ai_ir

🔥 بالاخره یادگیری ماشین کاربردی شد!
😂
@rss_ai_ir