Meta Platforms plans to release the largest version of its open-source Llama 3 model on July 23, according to a Meta employee. This version, with 405 billion parameters, or the “settings” that determi...

**1. 서론: 비정형 데이터 시대의 도래와 데이터 파이프라인의 진화** 오늘날, AI 기술 발전에 필수적인 데이터는 텍스트, 이미지, 음성, 동영상 등 다양한 형태로 존재하며, 이러한 비정형 데이터의 양은 기하급수적으로 증가하고 있습니다. 이러한 비정형 데이터는 AI 모델의 성능 향상에 중요한 역할을 하지만, 처리 및 관리의 복잡성 또한 증가시키고 있습니다. 전통적인 데이터 파이프라인은 이러한 변화에 적응하기 어려워졌으며, 효율적인 비정형 데이터 처리, 시맨틱 데이터 레이어 구축, 그리고 확장 가능한 아키텍처를 위한 새로운 접근 방식이 요구됩니다.

### 1. 서론 자율 이동 로봇(AMR, Autonomous Mobile Robots)은 현재 물류, 서비스, 탐사 등 다양한 분야에서 혁신적인 변화를 이끌고 있습니다. 이러한 AMR의 핵심 기능은 주변 환경을 정확하게 이해하고, 안전하게 자율적으로 이동하는 능력입니다. 현재의 기술은 SLAM(Simultaneous Localization and Mapping) 기술을 기반으로 2D 또는 3D 맵을 구축하고, 이를 기반으로 경로를 계획하는 방식으로 작동합니다. 그러나 이러한 방식은 다음과 같은 한계를 가지고 있습니다. * **제약적인 환경 이해:** 단일 센서(예: LiDAR)에 의존하여 환경을 파악하므로, 조명 변화, 시야 가림, 동적 장애물 등의 상황에서 성능 저하가 발생할 수 있습니다.

**1. 서론: 만성 통증 관리의 새로운 지평을 열다** 만성 통증은 전 세계적으로 수많은 사람들의 삶의 질을 저하시키는 심각한 문제이며, 아직까지 효과적인 관리 방법이 부족합니다. 현재의 통증 관리 방식은 약물 치료, 물리 치료 등에 의존하고 있으나, 환자 개개인의 특성과 심리적 요인을 충분히 고려하지 못하는 경우가 많습니다. 본 연구는 이러한 한계를 극복하고, 환자 중심적인 만성 통증 관리를 제공하기 위해, 최첨단 기술을 융합한 **맞춤형 만성 통증 관리 챗봇 (Personalized Chronic Pain Management Chatbot, PCPMC)** 개발 및 그 효능 검증에 초점을 맞춥니다.

구글 클라우드가 구글의 생성형AI인 ‘제미나이’ 접목을 강화하고 있다. 구글 클라우드는 9일(현지 시간) 미국 라스베이거스 만달레이 베이 호텔에서 연례 기술 컨퍼런스 ‘구글 클라우드 넥스트 2024’를 열고, 음성·

**요약:** 본 연구는 인터랙티브 로봇이 사용자의 감정 상태를 실시간으로 추론하고, 이에 기반하여 능동적인 공감적 반응을 생성함으로써 사용자 경험을 향상시키는 모델 (ASI-PEIM)을 제안한다. 제안하는 모델은 사용자 감정 인식을 위한 멀티모달 센서 융합 기술, 감정 상태 추론을 위한 베이지안 네트워크 기반 모델, 능동적 공감 반응 생성을 위한 강화 학습 기반 모델로 구성된다. 실제 사용자 데이터를 기반으로 한 실험 결과, ASI-PEIM이 기존 모델 대비 사용자 만족도 및 로봇과의 정서적 연결감을 향상시키는 것을 확인하였다.

Nvidia has released NVLM 1.0, a powerful open-source AI model that rivals GPT-4 and Google’s systems, marking a major breakthrough in multimodal language models for vision and text tasks.

**Abstract** 본 연구는 로봇 디지털 교육 분야에서 적응형 멀티모달 상호작용을 활용하여 개인별 맞춤형 언어 학습 시스템을 개발하는 것을 목표로 한다. 특히, 학생의 학습 데이터, 행동 패턴, 정서 상태를 분석하여 학습 내용과 상호작용 방식을 동적으로 조정하는 시스템을 제안한다. 본 연구는 음성 인식, 자연어 처리, 컴퓨터 비전, 감정 인식 기술을 융합하여 학생들의 학습 흥미를 유발하고, 학습 효과를 극대화하는 멀티모달 상호작용 전략을 제시한다. 본 연구 결과는 디지털 교육 환경에서 언어 학습의 효율성과 접근성을 높이는 데 기여할 것으로 기대된다.

### 초록 본 연구는 유전 알고리즘(Genetic Algorithms, GA)을 기반으로, 다양한 데이터 유형(멀티모달 데이터)을 효과적으로 융합하고 최적화하는 새로운 하이브리드 기법을 제시합니다. 특히, 본 연구에서는 GA의 탐색 능력을 강화하기 위해, 자기 적응적 돌연변이 연산자(Self-Adaptive Mutation Operator, SAMO)와 하이퍼 파라미터 자동 튜닝(Automated Hyperparameter Tuning, AHT)을 결합한 새로운 하이브리드 최적화 알고리즘(Hybrid Optimization Algorithm, HOA)을 개발하고, 그 성능을 검증합니다. HOA는 유전 알고리즘의 탐색 능력과 효율성을 극대화하여, 멀티모달 데이터 융합 문제에서 기존 방법론 대비 향상된 성능을 보여줍니다.

PyTorchKR​🔥🇰🇷 🤔💬 이번 주에만 두번째로 Apple의 소식을 전하게 되었습니다. 😲 Apple에서 이번에 VLM 및 시각 연역 추론에 대한 연구를 공개한데 이어, 효율적인 대규모 멀티모달 모델을 구축하는데 있어서의 연구 내용을 공개했습니다. 이 논문은 MM1이라 불리는 Apple의 M-LLM (Multimodal LLM)들을 연구하면서 나온 성과이며, 모델 코드나 가중치 등은 공개하지 않았지만 앞으로 Apple🍎의 행보가 기대되는 논문입니다. 함께 살펴보시죠! MM1: 멀티모달 LLM 사전 학습을 통한 방법, 분석 및 인사이트 / MM1: Methods, Analysis & Insights from Multimodal LLM Pre-training 소개 Apple이 공개한 MM1에 대한 이 연구는 MLLM(Multimodal LLM)의 아키텍처와 데이터 선택을 최적화하여 Fe...

### 1. 서론 심혈관 질환은 전 세계 사망 원인의 주요 원인 중 하나이며, 조기 진단 및 예측은 환자의 생존율을 향상시키는 데 매우 중요하다. 기존의 심장 질환 진단 방법은 침습적이거나 방사선 노출의 위험이 있어, 비침습적이고 안전한 영상 진단 기술의 필요성이 증가하고 있다. 자기 공명 영상 (MRI)은 높은 해상도와 다양한 조직 대비를 제공하여 심장 질환 진단에 효과적인 도구로 활용되고 있다. 본 연구에서는 심층 학습 기반의 자동화된 심장 MRI 분석 시스템을 개발하여 심장 질환의 진단 정확도를 향상시키고, 환자의 장기적인 예후를 예측하는 것을 목표로 한다.

에이아이오투오,마르시스와‘AI기반멀티모달콘텐츠자동생성플랫폼’개발계약체결로베트남시장진출20만달러규모AI기반멀티모달콘텐츠자동생성배포

Sundar Pichai shares Google I/O news including updates across Gemini, Android, Search and Photos.

**Abstract** 본 연구는 맞춤형 약물 처방 시스템에서 환자 반응 예측의 정확성을 향상시키기 위해 심층 강화 학습(Deep Reinforcement Learning, DRL) 기법을 활용한 이상치 탐지 및 처방 최적화 알고리즘을 제안합니다. 복잡한 환자 데이터를 효과적으로 처리하기 위해, 멀티모달 데이터를 통합하고, 환자 특성, 약물 특성 및 임상 반응을 포괄적으로 고려합니다. 특히, DRL 에이전트가 환자 데이터를 기반으로 이상치를 탐지하고, 탐지된 이상치에 따라 약물 처방을 동적으로 조정하여 환자 반응을 최적화합니다.

그러나, 요청하신 내용을 바탕으로 2025년과 2026년에 상용화 가능한 트랜스포머 모델 기반의 연구 자료를 작성하는 데 필요한 가이드라인을 제공해 드리겠습니다. **1. 연구 주제 선택 및 조합:** * **초세부 연구 분야 선택:** 트랜스포머 모델 분야의 세부 연구 분야를 무작위로 선택합니다. 예를 들어, "멀티모달 트랜스포머", "대규모 언어 모델 최적화", "트랜스포머 기반의 시계열 데이터 분석" 등에서 하나를 선택합니다. * **새로운 연구 주제 생성:** 선택된 초세부 연구 분야들을 조합하여 새로운 연구 주제를 만듭니다.

앤트로픽,'클로드오퍼스4.1'출시...코딩및연구역량대폭강화  인공지능연구기업앤트로픽(Anthropic)이자사의최신모델인클로드오퍼스(ClaudeOpus)4.1을공개

ChartQA-MLLM 소개 데이터 시각화는 복잡한 데이터 집합을 보다 쉽게 이해할 수 있도록 도와주는 강력한 도구입니다. 차트는 이러한 시각화의 대표적인 형태로, 숫자나 텍스트만으로는 파악하기 어려운 정보를 명확하게 표현합니다. 그러나 차트를 해석하고 관련 질문에 답변하는 것은 인간에게도 종종 까다로운 작업일 수 있습니다. 이러한 문제를 해결하기 위해 Zeng Xingchen과 연구팀은 ChartQA라는 다중 모달 언어 모델을 개발하였습니다. ChartQA는 차트 이미지를 분석하고 이에 대한 자연어 질문을 처리하여 정확한 답변을 제공합니다. 이는 교육, 비즈니스 인텔리전스, 리서치 등 여러 분야에서 매우 유용하게 활용될 수 있는 기술입니다. ChartQA는 다양한 차트 유형을 처리할 수 있는 점에서 특히 두드러집니다. 기존의 모델은 주로 특정 유형의 차트만 처리하거나 제한된 기능만을 제공하는 경우가 많았는데요. 반면, ChartQA는 범용적인 접근 방식을 채택하여 바 차트, ...

**Abstract** 본 연구는 통신 훈련 시스템 분야에서, 특히 실시간 적응형 멀티모달 언어 모델(Real-time Adaptive Multimodal Language Models, RAMLMs)을 활용하여 동적(Dynamic) 통신 환경에 최적화된 훈련 시스템을 설계하고 구현하는 것을 목표로 한다. 본 시스템은 다양한 통신 채널(텍스트, 음성, 이미지)에서의 상호작용을 통합적으로 분석하고, 학습 데이터의 실시간 변화에 능동적으로 대응하여 훈련 효율성을 극대화한다. 핵심 기술은 다음과 같다: 1) 하이브리드 훈련 방법론(Hyrbid Training Methodology, HTM), 2) 자기-지도 학습 기반의 적응형 모달 융합(Adaptive Modal Fusion, AMF), 3) 실시간 피드백 기반의 모델 평가 및 튜닝 시스템(Real-time Feedback and Tuning, RFT).

**1. 서론** 딥러닝 기술의 발전과 함께, 다양한 형태의 데이터를 처리하고 이해하는 멀티모달 학습(Multimodal Learning)에 대한 관심이 급증하고 있습니다. 텍스트, 이미지, 오디오, 비디오 등 다양한 모달리티(Modality)의 데이터를 통합하여 학습하는 것은 AI 시스템의 이해력과 추론 능력을 향상시키는 데 중요한 역할을 합니다. 그러나, 멀티모달 데이터는 고차원적이고 복잡하며, 각 모달리티 간의 상호 의존성이 매우 다양하므로, 효율적인 학습을 위해서는 데이터 분할(Data Segmentation) 및 특징 추출(Feature Extraction) 기술이 필수적입니다.