WORLD MODELS — Wenn die AI die physische Welt lernt
Wie die AI lernt, die physische Welt wahrzunehmen, zu verstehen und ihre Entwicklung vorherzusagen, um die Grundlagen für Roboter, autonome Fahrzeuge und intelligente Maschinen zu schaffen.
VENICE AI EXPO
Generative, Biological and Physical AI
Wie die AI lernt, die physische Welt wahrzunehmen, zu verstehen und ihre Entwicklung vorherzusagen, um die Grundlagen für Roboter, autonome Fahrzeuge und intelligente Maschinen zu schaffen.
GPU, CPU, NPU, Data Center und Edge Computing: welche Rechenleistung benötigt wird, um die neuen intelligenten Maschinen in Echtzeit zu trainieren und zu betreiben.
Wie VLA-Modelle, Imitationslernen und Verstärkungslernen es Robotern ermöglichen, Anweisungen zu verstehen und in Aktionen umzuwandeln.
Autonome Lieferung: Warum ist es anderswo bereits Realität und in Italien nicht?
Der Stand der Technik in der humanoiden Robotik: Wahrnehmung, Manipulation, Bewegung, Autonomie und konkrete Anwendungen in Industrie, Logistik, Dienstleistungen und Assistenz.
Wie Physical AI, Sensorik und intelligente Modelle Fahrzeuge, AMR, Drohnen und Industrieanlagen autonom machen, wobei auch Sicherheit und Interaktion mit dem Menschen angesprochen werden.
Wie Simulation, digitale Zwillinge und synthetische Daten es ermöglichen, Maschinen, Prozesse und Systeme der Physical AI in der virtuellen Welt zu entwerfen, zu testen und zu optimieren, wodurch Zeit, Kosten und Risiken vor ihrem tatsächlichen Einsatz reduziert werden.
Wie Gehirnorganoide, neuronale Zellen und bioelektronische Schnittstellen den Weg für neue Formen des Biocomputing ebnen, die in der Lage sind, Informationen durch biologische Gewebe zu lernen, zu speichern und zu verarbeiten.
Cloud oder private Infrastruktur? Wo sollten Daten, Modelle und Unternehmensintelligenz leben.
Diagnose, Krankenhausorganisation, Robotik, Imaging und klinische Assistenz.
Autonome Angriffe, AI-Agenten, neue Risikoflächen und intelligente Verteidigungen.