Forwarded from Graph Machine Learning
RoboGrammar: Graph Grammar for Terrain-Optimized Robot Design
(video) A recent work done at MIT for constructing different robot designs via graph grammar. Graph grammars were introduced in 1992 and defines a set of rules of transforming one graph to another. With this, a user can specify input robot components as well as the type of the terrain and graph grammar will produce possible robot designs. Next, a variation of A* algorithm is used to search for the optimal robot design for a given terrain. More on this in this article.
(video) A recent work done at MIT for constructing different robot designs via graph grammar. Graph grammars were introduced in 1992 and defines a set of rules of transforming one graph to another. With this, a user can specify input robot components as well as the type of the terrain and graph grammar will produce possible robot designs. Next, a variation of A* algorithm is used to search for the optimal robot design for a given terrain. More on this in this article.
YouTube
RoboGrammar: Graph Grammar for Terrain-Optimized Robot Design
ACM SIGGRAPH Asia 2020
https://cdfg.mit.edu/publications/robogrammar-graph-grammar-for-terrain-optimized-robot-design
https://cdfg.mit.edu/publications/robogrammar-graph-grammar-for-terrain-optimized-robot-design
This media is not supported in your browser
VIEW IN TELEGRAM
Shelf-Supervised Mesh Prediction in the Wild
This media is not supported in your browser
VIEW IN TELEGRAM
NeRF−−: Neural Radiance Fields Without Known
Media is too big
VIEW IN TELEGRAM
Искусственная среда как трансформация естественной
This media is not supported in your browser
VIEW IN TELEGRAM
ShaRF: Shape-conditioned Radiance Fields from a Single View
This media is not supported in your browser
VIEW IN TELEGRAM
Mastering Atari with Discrete World Models
"Глубокое обучение с подкреплением (RL) позволяет искусственным агентам со временем улучшать свои решения. Традиционные безмодельные подходы изучают, какие действия являются успешными в различных ситуациях, путем взаимодействия с окружающей средой с помощью большого количества проб и ошибок..."
"Глубокое обучение с подкреплением (RL) позволяет искусственным агентам со временем улучшать свои решения. Традиционные безмодельные подходы изучают, какие действия являются успешными в различных ситуациях, путем взаимодействия с окружающей средой с помощью большого количества проб и ошибок..."
This media is not supported in your browser
VIEW IN TELEGRAM
Multiple Neighborhoods Cellular Automata
This media is not supported in your browser
VIEW IN TELEGRAM
Encoding memory in tube diameter hierarchy of living flow network
Значимость
"Простым организмам удается процветать в сложных условиях. Память об окружающей среде - ключ к принятию обоснованных решений. Physarum polycephalum выделяется как гигантский одноклеточный эукариот, способный даже решать задачи оптимизации..."
Значимость
"Простым организмам удается процветать в сложных условиях. Память об окружающей среде - ключ к принятию обоснованных решений. Physarum polycephalum выделяется как гигантский одноклеточный эукариот, способный даже решать задачи оптимизации..."
This media is not supported in your browser
VIEW IN TELEGRAM
Bio-inspired Approaches for Modular Robotics
This media is not supported in your browser
VIEW IN TELEGRAM
Covariance Matrix Adaptation Evolution Strategy
This media is not supported in your browser
VIEW IN TELEGRAM
Deep Nostalgia
Как оживить фотографию?
Как оживить фотографию?
This media is not supported in your browser
VIEW IN TELEGRAM
Monster Mash: A Single-View Approach to Casual 3D Modeling and Animation
This media is not supported in your browser
VIEW IN TELEGRAM
London generator
RGB and elevation, arbitrary size
RGB and elevation, arbitrary size
image1.gif
15.4 MB
MediaPipe Holistic — Simultaneous Face, Hand and Pose Prediction, on Device
Одновременное восприятие позы человека, ориентиров на лице и отслеживание рук на мобильных устройствах в режиме реального времени может позволить использовать множество эффективных приложений, таких как фитнес и спортивный анализ, управление жестами и распознавание языка жестов, эффекты дополненной реальности и многое другое...
Одновременное восприятие позы человека, ориентиров на лице и отслеживание рук на мобильных устройствах в режиме реального времени может позволить использовать множество эффективных приложений, таких как фитнес и спортивный анализ, управление жестами и распознавание языка жестов, эффекты дополненной реальности и многое другое...
This media is not supported in your browser
VIEW IN TELEGRAM
D-NeRF: метод синтеза изображений динамических сцен с контролем времени и камеры.
This media is not supported in your browser
VIEW IN TELEGRAM
NeRF: Learning Multi-View Image-Based Rendering