robot Trend Report
Dashboard へ戻る
3
High impact
0
Mid impact
0
Signal watch
なぜこのサイトを作ったのか
私たちそれぞれが個別にAIを使って情報収集し、同じような3行要約を作るたびに、世界中で膨大な電力と計算リソースが消費されています。 本プロジェクトは、あらかじめ広範な情報を取得・集約しておくことで、個別のAI実行回数を減らし、地球環境（GPU/TPU負荷）に配慮した効率的な情報収集を目指す実験的なダッシュボードです。
#roboticsタグ
Gemini Robotics ER 2登場——「ロボットの頭脳」としてのLLMは実務者に何を示唆するのか
・この記事はGoogle DeepMindをはじめとする公式情報源をもとに、LLM関連の最新発表を単発で解説する記事です。
・本記事では「AI」「AIエージェント」はLLMを活用したシステムを指しています。また、記事中の技術情報は執筆時点の公式発表を参考に再構成したものです。
Zennの「robotics」のフィード
Swift × DJI SDKで構築したDrone-to-Cloud動画配信基盤 ― 自動飛行からQR納品まで
・数年前、観光・アウトドア向けのドローン撮影体験を想定し、SwiftとDJI SDKを使ったiOSアプリケーションを設計・実装しました。
・このシステムでは、オペレーターが撮影パターンと撮影時間を選択すると、 ドローンの離陸 自動飛行 ジンバル制御 動画撮影 機体からiPhoneへの動画転送 iPhone上での動画編集 AWSへのアップロード QRコードによるユーザーへの配信 までを一連のワークフローとして実行します。
・最終的な目標は、撮影から約10分程度でユーザーが完成動画へアクセスできる体験を実現することでした。
Zennの「robotics」のフィード
吊り荷Yaw制御システムの開発 #04：Raspberry Piで画像ベース制御を実証する
・はじめに 前回までに、強化学習による吊り荷Yaw制御モデルを構築し、カメラ画像から吊り荷のYaw角を推定できることを確認しました。
・今回は、これらをRaspberry Pi上で組み合わせ、画像から推定したYaw角を制御モデルへ入力することで、画像ベースのリアルタイムYaw制御を行います。
・本シリーズでは、以下の流れで開発を紹介しています。