Se penche sur la formation et les applications des modèles Vision-Language-Action, en mettant l'accent sur le rôle des grands modèles linguistiques dans le contrôle robotique et le transfert des connaissances web. Les résultats des expériences et les orientations futures de la recherche sont mis en évidence.
Explore les systèmes d'imagerie à l'information physique, y compris l'imagerie sans lentille, l'apprentissage profond pour les défis d'imagerie, et le développement de modèles de bruit pour les vidéos à faible luminosité.
Présente les bases de la microscopie électronique de transmission, couvrant l'interface utilisateur TEM, les paramètres de la caméra, la vue d'ensemble du vide et l'analyse d'images.
Couvre l'analyse des diapositives, de l'expérience de tournage, de l'utilisation de la vidéo, de la rétroaction et des conseils de production pour les experts en éducation numérique.
Se concentre sur l'application pratique de la corrélation d'images numériques pour les ingénieurs civils, couvrant la mesure des champs de déplacement et le calcul des champs de contrainte.
Discute de la navigation par quadritor en utilisant l'apprentissage de renforcement profond et le contrôle de bas niveau, en mettant l'accent sur l'intelligence visuelle et la robustesse du modèle de regard.
Couvre les aspects techniques et les applications des capteurs de pixels numériques CMOS, en se concentrant sur l'imagerie à plage dynamique élevée et la miniaturisation de la caméra.
Couvre la session d'information sur les stages pour le programme de master Microengineering and Robotics de l'EPFL, mettant l'accent sur la valeur des stages pour les étudiants et les entreprises.
Explore les robots d'entraînement en renforçant l'apprentissage et l'apprentissage de la démonstration, mettant en évidence les défis de l'interaction homme-robot et de la collecte de données.
Couvre les tendances dans les technologies de caméras CCD et CMOS, en se concentrant sur l'intégration, la taille des pixels et les avancées dans les systèmes autofocus.
Couvre les principes fondamentaux de l'apprentissage profond, y compris les données, l'architecture et les considérations éthiques dans le déploiement de modèles.
