Hugging Face a NVIDIA mapujú simuláciu ako tréningové ihrisko pre fyzickú AI
Prehľad na Hugging Face opisuje, prečo sa robotika a fyzická AI čoraz viac opierajú o simulované dáta, GPU fyziku a nástroje ako MuJoCo, Isaac Sim, Isaac Lab či Newton.
Tag
Všetky publikované články, v ktorých sa téma Hugging Face objavuje ako dôležitý kontext. Aktuálne 65 textov v archíve.
Prehľad na Hugging Face opisuje, prečo sa robotika a fyzická AI čoraz viac opierajú o simulované dáta, GPU fyziku a nástroje ako MuJoCo, Isaac Sim, Isaac Lab či Newton.
Grabette je otvorený ručný gripper od tímu Pollen Robotics na zber ukážok manipulácie bez potreby vlastného robota. Projekt cieli na úzke miesto robotického učenia: nedostatok rôznorodých reálnych dát.
OpenAI zverejnil nové podrobnosti k incidentu, ktorý Hugging Face odhalil minulý týždeň. Podľa firmy išlo o internú evaluáciu kybernetických schopností, pri ktorej modely s vypnutými produkčnými zábranami reťazili zraniteľnosti a hľadali riešenia benchmarku ExploitGym.
Nový 4-miliardový otvorený model na Hugging Face má priniesť časové uvažovanie, akčné výstupy a reálny beh na zariadeniach Jetson či RTX bez posielania každého rozhodnutia do dátového centra.
Spoločný technický článok Hugging Face a NVIDIA ukazuje, ako spojiť Diffusers s NeMo Automodel pri tréningu difúznych modelov od jednej GPU až po väčšie klastre.
NVIDIA predstavila rodinu Nemotron 3 Embed na Hugging Face. Modely sú určené pre vyhľadávanie v RAG systémoch, pamäť agentov a kódové úlohy; najväčší variant podľa oznámenia vedie leaderboard RTEB.
IBM Research na Hugging Face opisuje skúsenosti s model routingom v agentických systémoch. Cena, zložitosť a latencia sa v praxi lámu na cache, trajektóriách a infraštruktúre, nie iba na cenníku modelov.
Ai2 na Hugging Face ukazuje, ako stavia Shippyho pre námornú doménovú informovanosť. Dôležitá nie je iba voľba modelu, ale verzované zručnosti, izolované hostovanie, živé dáta a hodnotenie celého agenta.
Hugging Face a Hume AI predstavili Real World VoiceEQ, rozsiahly benchmark pre hlasové modely. Namiesto samotnej chybovosti prepisu sleduje, či systémy zachytia emóciu, neistotu, identitu hlasu, šum a prirodzenosť reakcie v reálnom rozhovore.
Nový diel série o profilovaní v PyTorch rozoberá attention jadro, SDPA backendy a praktické pasce pri optimalizácii transformerov.
Nové funkcie pre SageMaker HyperPod pridávajú viacúrovňový záznam inferencie, priame nasadenie modelov z Hugging Face, NVMe načítanie váh, DNS a jemnejšie IAM oprávnenia.
Nový backend má znížiť potrebu písať samostatné vLLM implementácie pre každý model. Pre autorov modelov aj prevádzkovateľov inferencie je to praktická zmena v tom, kde sa robí optimalizácia.