创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

MIT推出UQ-DAAAM机器人记忆修订系统

AI 总结

MIT研究团队推出UQ-DAAAM机器人记忆系统,用于评估物体描述的不确定性、从已有画面中选择更清晰的视角并更新已存储的描述。在OC-NaVQA基准测试中,UQ-DAAAM回答描述性问题的准确率从DAAAM的71.1%升至76.1%。最多补充两个观察视角后,92.3%的被选物体不确定性分数降至预设阈值以下。但不确定性降低并不代表修订后的描述一定正确:即使获得更清晰的画面,系统仍曾将自行车停车架误认为电话亭。

深度见解

研究人员表示,可靠的环境记忆对于机器人在家庭、医院和工厂中执行复杂且长期的任务至关重要。他们还指出,让机器人识别自身的不确定性,是推动这项技术安全应用的重要一步。

机器人在路上行走时,看到屋顶上有一个灰色物体。由于距离较远、画面不够清晰,它最初没能准确描述这个物体,随后又将它认成了一只松鼠。但随着机器人继续移动,摄像头从新的角度拍下了这个物体,系统最终发现,它其实是一根烟囱。

那么,在获得更多信息后,机器人能不能像人一样,回头修正之前的判断?

近日,麻省理工学院的研究人员介绍了一套新的机器人记忆系统 UQ-DAAAM,试图解决这个问题。它能够检查记忆中哪些物体描述可能不可靠,再从已有画面中寻找更清晰的视角,补充信息并更新记忆。

在测试中,对于被标记为不确定的物体,系统最多补充两个观察视角,就使 92.3% 的物体描述的不确定性降到了设定阈值以下。在一项时空问答测试中,与原有系统相比,它回答描述性问题的准确率从 71.1% 提高至 76.1%,对物体位置和出现时间的判断也有所改善。

#MIT#UQ-DAAAM#DAAAM#OC-NaVQA

原文约 7 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。