[정기구학] Actuator Singularity
출처 : https://www.youtube.com/watch?v=uKydaw5cFb4&t=51s 로봇을 작동하다 보면 가끔 로봇이 이상하게 움직인다.이는 end effector joint 관계가 singular한 관계에 가깝기 때문이다. Qp dot = G(q) * Qq dot = -Hp^-1(q) * Hq(q) * Qq dot 만약에 이 관계에서 Hp^-1(q)가 존재하지 않는다면, q가 액츄에이터 singularity라고 한다. 왜 하필 액츄에이터일까? 3 upu 메커니즘에서는 15개의 joint가 있다.이 중 3개만 액츄에이팅(움직일 대상)이 될 수 있다.그렇기에 어떤 3개를 고르느냐에 따라 Hp^-1(q)는 달라진다. Hp(q) depends on choice of actuated joints..
chatgpt, 코파일럿, 제미나이, 클로바 엑스, 클로드, 뤼튼, 아숙업 등 실습에서는 코파일럿을 사용한다. Als ranked by IQ = 클로드가 100을 넘겼다. 아이폰이 등장함으로 인해서 모바일 광고 시장이 TV 광고 시장이 훨씬 커졌다.즉, 사용하는 매체에 따라 시장의 변화가 커졌다. 카메라의 탄생으로 인해 근대에서 사실화 묘사가 사라졌다.엑셀의 등장으로 인해서 글자를 정리하는 사람들이 사라졌다. DALL-E 2가 발표가 됨으로서 일반인들도 코딩 없이 AI를 사용할 수 있게 되었다. 코딩 자체도 chatgpt의 등장으로 인해서 보조할 수 있는 상태가 되었다. 정보 수집, 연관 논문, 정보 수집 & 개별 문서 정보 추출(scispace)클립아트 작성 (DALL E3) 데이터 분석 (Chatgp..
[언어지능 딥러닝] 6차 미프 (4) - RAG based QA bot 만들기
BM25와 sentence Transformer를 이용해 QA 봇을 만든다.5개의 유사도가 가장 높은 샘플을 뽑고, 그를 이용해 그 안에서 Gemma가 답변하게 만든다.# chunk listchunk_list = []with open(CHUNK_FN, encoding="utf-8") as f: for line in f: row = json.loads(line) chunk_list.append(row['chunk'])len(chunk_list) SentenceTransformer 사용 및 embedding 만들기# SentenceTransformer 모델 생성tf_model = SentenceTransformer(MODEL_ID)# chunk embeddings 생성chunk..
[속도 기구학] Manipulability
출처 : https://www.youtube.com/watch?v=8OFtHLaWXKY&t=5s Manipulability란?dexterity라고도 불린다. 어떤 nimbleness 를 적용하는 것이다. 어떠한 목적을 이루기 위해 로봇이 민첩성을 가져야 하는 걸 뜻한다.예시로 들자면 인간의 다리가 완전히 곧게 뻗쳐있다면, 오히려 걸을 때 불편하다. 무릎이 굽혀져 있어야, 어느정도 중심을 잡을 수 있는 상태가 된다.그리고 그 상태에서 가장 편안한 angle을 찾아야 한다. 그래야 다음 동작을 수행하기에 편하다. 로봇이 어떤 task를 수행할 때도 마찬가지이다. 어떠한 angle에서 해당 task를 수행하기에 가장 적합한가?numerical answer를 찾는게 편할 것이다. 자코비안이 이것을 수행해준다...
단어를 chunk 단위로 분해한다.BM25, Sentence Transformer로 하나의 문장에 대해서 검색 기능을 실행. 후에 모든 chunk를 활용해서 해보고, 검색 성능을 향상시킨다. 라이브러리 다운로드 및 임포트!pip install -q -U transformers==4.38.2!pip install -q -U datasets==2.18.0!pip install -q -U bitsandbytes==0.42.0!pip install -q -U peft==0.9.0!pip install -q -U trl==0.7.11!pip install -q -U accelerate==0.27.2!pip install -q -U rank_bm25==0.2.2!pip install -q -U sentence-tr..
[언어지능 딥러닝] 42일차 - RAG(Retireval-Augmented Generation)
RAG(Retireval-Augmented Generation)할루시네이션 현상 및 최신 정보 미 반영 등 사전 학습 모델은 문제가 많다.따라서 RAG로 질문을 주고, 질문 관련 검색된 문서의 내용을 참고해서 답변하게 된다. RAG의 특징 벡터샘플을 잘 설명하는 특징이 좋은 특징이다.머리 색, 머리 결, 피부 색, 키, 사진 지역 등특징이 비슷하면 비슷한 사람이라고 할 수 있다. 그렇기에 유사도를 기반으로 매핑한다.글자 뿐만이 아니라 문장도 특징 벡터로 만들 수 있다.문자로는 비교할 수 없는 유사도나 거리, 관계 등을 알 수 있다. TF-IDF를 사용하고, BM25로 TF-IDF의 스코어를 보완하기 위한 파라미터를 추가한다.단어 qj의 IDF를 기반으로 파라미터를 쓴다.k1이 0이면 뒤에가 다 무시된다..