解决Bongard问题：一种强化学习因果方法,2022 - 腾讯云
网页2024年6月21日 · 俄罗斯计算机科学家米哈伊尔·邦加德（Mikhail Bongard）提出了一套原始的100个BP，设计了一个任务，今天在评估计算机器与人类大脑所启用的推理能力方面比以往任何时候都更加相关。
太牛了！视觉模型与大语言模型结合邦加德问题研究成果：评估机 …
网页2024年4月8日 · Bongard-OpenWorld 确实建立在视觉概念上的逻辑运算之上，这也是 BP 的基础。受到人类处理 Bongard 问题的方式的启发，我们设计了一种将逻辑推理与 VLM 和 LLM 相结合的神经符号方法。
全球首个用青蛙细胞制造“活体机器人”诞生，遭破坏时可自愈！药 …
网页乔什 · 邦加德（Josh Bongard），佛蒙特大学计算机科学系教授，研究重点是进化机器人技术，进化计算和物理模拟。 他负责形态学、进化与认知实验室，其工作重点是形态学和进化在认知中的作用。
全球首个活体机器人问世，可以自我繁殖！青蛙和超级计算机的奇 …
网页2021年12月3日 · ”该研究的参与者之一、美国佛蒙特大学的计算机科学家乔舒亚·邦加德（Joshua Bongard）表示。 2020年，科学家首次发表了关于Xenobots的研究。 同样的，Xenobots 由非洲爪蟾胚胎内的 干细胞 制成。
Solving Bongard Problems With a Visual Language and Pragmatic ...
网页More than 50 years ago, Bongard introduced 100 visual concept learning problems as a challenge for artificial vision systems. These problems are now known as Bongard problems. Although they are well known in cognitive science and artificial intelligence, only very little progress has been made toward building systems that can solve a ...
奥斯纳布吕克大学最新研究：用视觉语言和语用约束解决Bongard …
网页2024年5月1日 · Solving Bongard Problems With a Visual Language and Pragmatic Constraints. Depeweg S.; Rothkopf C.A.; Jäkel F. Published： 2024-05-01. DOI： 10.1111/cogs.13432.
Core Team | Vermont Complex Systems Center at UVM
网页Bongard's work focuses on understanding the general nature of cognition, regardless of whether it is found in humans, animals or robots. This unique approach focuses on the role that morphology and evolution plays in cognition.
细节披露：首个全生物材料活体机器人Xenobot - 知乎
网页乔什·邦加德（Josh Bongard）教授的研究重点是进化机器人技术，进化计算技术和物理仿真技术。他负责形态学、进化与认知实验室（Morphology, Evolution &Cognition Laboratory），其工作重点是形态学和进化在认知中的作用。
全球首个可编程“活体机器人”诞生！愈合力超强，100%青蛙基因
网页2020年1月15日 · 通讯作者系佛蒙特大学计算机科学系教授乔什·邦加德（Josh Bongard）。 研究团队使用非洲爪蛙心脏细胞（收缩细胞）和表皮细胞（被动细胞），结合出了这个机器人。
Cross-Image Context Matters for Bongard Problems
网页2016年7月25日 · We explore a variety of simple methods to take this cross-image context into account, and demonstrate substantial gains over prior methods, leading to new state-of-the-art performance on Bongard-LOGO (75.3%) and Bongard-HOI (72.45%) and strong performance on the original Bongard problem set (60.84%).
跳至内容