Buscar noticias

Buscá por texto y descubrí noticias relacionadas con tu consulta.

Noticias relevantes

Hasta 10 noticias relacionadas por su significado, ordenadas por relevancia.

No encontramos noticias relacionadas por su significado.

Noticias encontradas

Coincidencias en título, descripción, resumen, tags, personas o periodista.

5 resultados para «Remi Cadene»

Más recientes primero · Hasta 30 noticias por página

LeRobotDataset v3.0: Hugging Face lanza un formato de datasets a gran escala para robótica

Hugging Face publicó LeRobotDataset v3.0, un nuevo formato de datasets para robótica que empaqueta múltiples episodios en un único archivo mediante metadatos relacionales, superando los límites del sistema de archivos de la versión anterior. El formato incorpora soporte nativo de streaming para procesar grandes volúmenes de datos sin descargarlos, y llegará con lerobot-v0.4.0 junto a una utilidad de conversión de datasets v2.1. La versión apunta a escalar a millones de episodios y democratizar el aprendizaje robótico.

Periodista: Francesco Capuano, Michel Aractingi, Quentin Lhoest, Caroline Pascal, Pepijn Kooijmans, Jade Choghari, Remi Cadene, Simon Alibert, Adil Zouitine, Martino Russi, Steven Palma

Inferencia robótica asíncrona: desacoplar la predicción de acciones de su ejecución

Investigadores de Hugging Face presentan la inferencia asíncrona, un método que desacopla la predicción de acciones de su ejecución en robots. Mediante un PolicyServer y un RobotClient conectados por gRPC, el robot ejecuta la cola de acciones mientras se calculan las siguientes, eliminando tiempos muertos. En pruebas con SmolVLA logra una aceleración de aproximadamente 2x en la finalización de tareas con una tasa de éxito comparable.

Periodista: Francesco Capuano, Steven Palma, Michel Aractingi, Mustafa Shukor, Dana Aubakirova, Adil Zouitine, Simon Alibert, Remi Cadene

SmolVLA: un modelo compacto de visión-lenguaje-acción entrenado con datos de la comunidad LeRobot

Hugging Face presentó SmolVLA, un modelo de visión-lenguaje-acción de 450 millones de parámetros, de código abierto, que se ejecuta en hardware de consumo y fue preentrenado solo con datos comunitarios de LeRobot. Según la empresa, supera a modelos VLA más grandes y a líneas base como ACT en simulación y en tareas reales con los brazos SO100 y SO101. Además, su inferencia asíncrona permite respuestas un 30% más rápidas y duplica el rendimiento de tareas.

Periodista: Dana Aubakirova, Andres Marafioti, merve, Aritra Roy Gosthipaty, Francesco Capuano, Loubna Ben Allal, Pedro Cuenca, Mustafa Shukor, Remi Cadene

LeRobot va a la autoescuela: el mayor conjunto de datos de conducción autónoma de código abierto del mundo

Yaak y el equipo de LeRobot de Hugging Face anunciaron L2D (Learning to Drive), el mayor conjunto de datos multimodal de código abierto para conducción autónoma, con más de 90 terabytes y más de 5000 horas de conducción. Los datos fueron recolectados durante tres años con 60 vehículos eléctricos de autoescuelas en 30 ciudades alemanas, equipados con seis cámaras HD, GPS, IMU y datos del bus CAN. El conjunto incluye políticas de expertos (instructores) y de estudiantes (aprendices), con instrucciones en lenguaje natural y waypoints, y se publica por fases (R0 a R4) integrado con el pipeline LeRobot.

Periodista: Harsimrat Sandhawalia, Remi Cadene

π0 y π0-FAST: modelos visión-lenguaje-acción para el control general de robots

Hugging Face LeRobot incorporó los modelos fundacionales de robótica π0 y π0-FAST, desarrollados por Physical Intelligence, para el control generalista de robots. π0 es un modelo visión-lenguaje-acción entrenado con datos de 7 plataformas y 68 tareas que genera trayectorias de acción a 50 Hz mediante flow matching. π0-FAST es una versión autorregresiva que usa la tokenización FAST basada en la Transformada Discreta del Coseno, con entrenamiento cinco veces más rápido y mejor generalización.

Periodista: Dana Aubakirova, Pablo Montalvo, Mustafa Shukor, Remi Cadene