Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
본 페이지의 콘텐츠는 AI가 공개된 소스를 기반으로 자동 수집·요약·번역한 것입니다. 원 저작권은 각 원저작자에게 있으며, 각 게시물의 “원문 바로가기” 링크를 통해 원문을 확인할 수 있습니다. 저작권자의 삭제 요청이 있을 경우 신속히 조치합니다.
본 글은 시계열(Time Series) 데이터의 딥러닝 기반 보간(Imputation) 방법론에 대한 최신 연구 동향을 다룹니다. IJCAI 2025 채택 논문과 포괄적인 벤치마크 논문을 통해 학술적 깊이를 더했으며, SAITS 임베딩 전략을 다양한 트랜스포머 모델에 적용하는 실질적인 방법론도 제시합니다.
pragmatiq는 PRAGMA 논문에서 제시된 아이디어를 개발자가 쉽게 사용할 수 있도록 구현한 오픈 소스 뱅킹 금융 모델 스택입니다. 이 도구는 타임스탬프 기반 사용자 기록을 임베딩으로 변환하며, 이를 다운스트림 팀들이 AML 실험이나 LoRA 파인튜닝 등에 활용할 수 있게 합니다. 전체 스택이 포함되어 있으며 GPU 우선 설계로 최적화되었지만 CPU에서도 동일한 결과가 보장됩니다.
이 프로젝트는 39개의 실험과 17개의 노트로 구성된 체계적인 AI 학습 로드맵을 제공합니다. 선형 회귀부터 BERT, Q-learning, PPO까지 주요 알고리즘의 수학적 유도와 구현 코드를 처음부터 명확하게 설명하여 깊이 있는 이해를 돕습니다.
PEFT-SingLoRA는 기존의 LoRA 방식보다 파라미터 효율성을 높인 새로운 경량화 기법입니다. 단일 저랭크 행렬을 사용하여 학습 가능한 매개변수를 획기적으로 줄이면서도 표준 LoRA와 동등한 성능과 표현력을 유지합니다. Hugging Face PEFT 생태계에 완벽하게 통합되어 기존 워크플로우를 쉽게 개선할 수 있습니다.
본 가이드는 AI 엔지니어가 되기 위한 실습 중심의 종합적인 로드맵을 제공합니다. 수학적 기초부터 PyTorch, 신경망 구축, 트랜스포머 아키텍처 이해를 거쳐 RAG 파이프라인까지 실제 AI 시스템을 단계별로 구현할 수 있도록 안내합니다.
이 저장소는 광범위한 영향력 있는 AI/ML 논문들의 PyTorch 기반 재현 코드를 모아 제공합니다. BERT, CLIP, CycleGANs 등 고전적 모델부터 DeepSeekV3, Gemma, Llama 등 최신 SOTA 아키텍처까지 폭넓게 다룹니다. 연구자들이 다양한 모델의 원리를 직접 구현하고 실험할 수 있도록 돕는 것이 목적입니다.
Optimum Graphcore는 Hugging Face Transformers와 Graphcore IPU 간의 인터페이스 역할을 합니다. 이 도구 세트는 모델 병렬화, 훈련, 미세 조정 및 추론에 필요한 기능을 제공하며, 기존 Transformers 생태계와 호환됩니다. IPU는 대규모 병렬 MIMD 아키텍처를 사용하여 AI 워크로드를 처리합니다.
Nixtla에서 사용자 친화적인 최신 신경망 예측 모델 컬렉션인 NeuralForecast를 공개했습니다. 이 라이브러리는 MLP, LSTM, GRU 등 다양한 아키텍처 기반의 시계열 예측 모델을 제공하며, 성능과 사용 용이성, 견고성에 중점을 두었습니다.
Transformer Engine(TE)은 NVIDIA GPU에서 Transformer 모델 훈련을 가속화하는 라이브러리입니다. PyTorch 및 JAX API를 통해 자동 혼합 정밀도 스타일로 저정밀도 훈련을 지원하며, Hopper, Ada, Blackwell 등 최신 아키텍처의 FP8 훈련을 핵심적으로 제공합니다. 이는 트레이닝 스택 재작성 없이 대규모 분산 학습 환경에 적용 가능합니다.
Aeolus-Ocean은 Deep Reinforcement Learning과 해상 물체 탐지 기술을 활용하여 자율 무인 수상 선박의 항해를 시뮬레이션하는 환경입니다. 이 시스템은 COLREGs 준수, 충돌 회피 등 실제 해양 조건을 반영한 디지털 트윈으로 구현되었습니다. YOLO-X 기반 객체 탐지와 ML-Agents를 이용한 지능형 에이전트가 선박의 항해 유도를 담당합니다.
본 튜토리얼은 Unity 환경에서 UR3 로봇 팔을 이용한 객체 자세 추정(pose estimation) 과정을 안내합니다. ROS와 Unity를 통합하고, URDF 모델 가져오기부터 데이터 수집 및 딥러닝 모델 학습/배포까지의 전 과정을 다룹니다. 최종적으로 컴퓨터 비전을 활용하여 피킹-앤-플레이스 작업을 수행하는 방법을 배울 수 있습니다.
Shadow Robot의 Smart Grasping System을 위한 공개 시뮬레이션 샌드박스입니다. 이 환경은 자율적인 피킹 및 배치(pick and place) 문제를 테스트할 수 있도록 설계되었으며, Docker를 통해 쉽게 접근하고 사용할 수 있습니다. 사용자는 로컬 브라우저와 ipython 노트북을 통해 시뮬레이션을 실행하고 다양한 기능을 테스트할 수 있습니다.
본 문서는 관절 구동체의 효율적인 미분 가능 시뮬레이션에 관한 연구 논문 및 코드를 소개합니다. 이 프로젝트는 미분 가능한 물리(differentiable physics)를 활용하여 역물리 문제를 해결하는 예제를 제공하며, 제어 입력 최적화와 같은 고급 시뮬레이션을 구현할 수 있습니다.
UNav-Sim은 Unreal Engine 5와 AirSim을 결합하여 개발된 오픈 소스 수중 로봇 시뮬레이터입니다. 이 도구는 고정밀 렌더링과 실제 수중 물리 환경을 제공하며, ROS1 및 ROS2를 지원합니다. 연구원이나 개발자가 수중 로봇 공학 프로젝트를 수행하는 데 최적화된 플랫폼을 제공합니다.
본 자료는 로보틱스 분야에 유용한 다양한 리소스들을 모아놓은 'Awesome' 목록입니다. 로봇 학습을 위한 라이브러리, 컴퓨터 비전 및 딥러닝 논문 아카이브를 제공하며, CoppeliaSim이나 Microsoft Airsim 같은 주요 시뮬레이터와 Pangolin 같은 시각화 도구도 소개합니다.
PyPnC는 로봇 시스템의 궤적 생성 및 안정화에 초점을 맞춘 파이썬 라이브러리입니다. 이 라이브러리는 작업 공간 제어(Operational Space Control)를 이용한 매니퓰레이터 제어부터, DCM 계획 및 IHWBC를 활용한 Atlas 보행 제어까지 다양한 로봇 동역학 시뮬레이션 예제를 제공합니다.
BARK는 자율 주행을 위한 시맨틱 시뮬레이션 프레임워크입니다. 행동 모델 중심의 설계로 인해 다양한 의사 결정 알고리즘의 개발, 학습 및 벤치마킹이 용이하며, 특히 강화학습과 같은 고비용 작업에 적합합니다. Python PIP 패키지를 통해 쉽게 설치하고 사용할 수 있습니다.
ZeroSim은 Unity 3D 개발 플랫폼과 ROS의 강력함을 결합하여 로봇 시뮬레이션을 위한 엔진입니다. 이 도구는 산업, 농업 등 다양한 환경에서 로봇 팔부터 이동 로봇까지 모든 종류의 공학적 시뮬레이션 개발을 지원합니다. Gazebo와 유사한 기능을 제공하며, PhysX 4.x 기반 동역학 및 고급 3D 렌더링 기술이 통합되어 있습니다.
본 문서는 로보틱스 분야의 다양한 라이브러리, 시뮬레이터, 프레임워크를 모아놓은 'Awesome' 리스트입니다. ROS 2와 같은 핵심 미들웨어부터 운동학/동역학, SLAM, 제어 등 로봇 개발에 필요한 광범위한 주제별 도구들을 소개합니다. 이는 로보틱스 엔지니어에게 필수적인 참고 자료가 될 것입니다.
fastai는 딥러닝 학습을 쉽게 할 수 있도록 설계된 라이브러리입니다. Colab이나 로컬 환경에 설치하여 사용할 수 있으며, PyTorch 기반으로 작동합니다. 이 가이드는 fastai의 설치 방법과 함께 이미지 분류기, 텍스트 모델 등 다양한 응용 프로그램 구축 방법을 안내하며, 초보자부터 숙련자까지 학습할 수 있는 자료를 제공합니다.