Center for Cognitive Modeling

описание

Telegram-канал Центра Когнитивного Моделирования МФТИ: новости о нас, поступлении, стажировках и искусственном интеллекте🦾 Магистратура и аспирантура МТИИ МФТИ: https://cogmodel.mipt.ru/applicants По вопросам: @rvainberg, @fissun

← к каналу @cogmodel

1 772

подписчиков

Охват к подписчикам

75,1%

ERR

Реакции к просмотрам

0,70%

419 на 47 постов

Пересылки к просмотрам

0,87%

520

Постов в день

0,1

всего 48

Где отзываются чаще

доля реакций к просмотрам

12:29🚍 Беспилотный автобус в Долгопрудном: наши технологии — в основе В администрации Долгопрудного прошло совещание по запуску беспилотного общественного транспорта в городе. Ключевыми технологическими центрами проекта стали сотрудники ЦКМ Института ИИ МФТИ и МАДИ — наша объединённая команда уже располагает комплексом разработок для автономного управления. Команда планирует развивать и интегрировать целый комплекс модулей: распознавание и прогнозирование поведения окружающих объектов, распознавание сигналов светофоров, систему интеллектуальной навигации, а также технологии мониторинга пассажирского салона, включая обнаружение забытых предметов. Отдельное внимание уделяется тому, чтобы максимально использовать уже имеющуюся бортовую инфраструктуру автобусов и дополнять её необходимыми сенсорами, в том числе лидарами. «У Института уже есть практический опыт создания систем автономного транспорта. Совместно с коллегами из МАДИ специалисты МФТИ разработали и испытали беспилотный автомобиль на базе электрической «Газели», для которого команда Физтеха создавала систему высокоточной локализации и ряд алгоритмов автономного управления. Решение прошло серию испытаний, а накопленные технологии и программные модули теперь могут быть адаптированы для более сложной задачи — беспилотных пассажирских перевозок», — заведующий лабораторией интеллектуального транспорта ЦКМ Дмитрий Юдин. ⚡️ Этот проект — важный шаг от лабораторных разработок к технологиям, которые меняют городскую среду.6,06%
23 июл.🪼TerraCognitaSLAM: проект нашего сотрудника на инвестиционной программе. Наш сотрудник Олег Буличев защитил свой проект TerraCognitaSLAM на программе Трансляционных Исследований от Центрального Университета. Проект родился благодаря участию Олега в археологическом конкурсе — он увидел пробел в технологиях и решил его закрыть. TerraCognitaSLAM — это система навигации для роботов там, где GPS не работает: под кронами садов, в плотной застройке, на однородных полях. Вместо одного сенсора — связка георадара (видит под землёй), камер и инерциальных датчиков. Это позволяет агророботам работать в зонах глушения и картировать почву, а инженерам — искать трубы и провода без ручного труда. Команда Олега уже провела полевые испытания, собрала синхронный датасет с эталонными GPS-позами, а решение отметили на конкурсе «Экспедиция.Земля». Экономия для хозяйств — до 2,6 млн ₽ на трактор в год, а предотвращение аварий на стройке — миллионы рублей. 🪼Поддержим проект реакциями и пожелаем удачи в развитии!4,48%
26 июн. 2025 г.Сегодня провели защиты дипломов студентов магистратуры Научно-образовательного Центра когнитивного моделирования МФТИ. Появилось 14 новых магистров по профилю подготовки «Методы и технологии искусственного интеллекта». Мои поздравления и пожелания дальнейших успехов защитившимся! Среди них было шестеро моих дипломников и про них я напишу чуть позже отдельные посты, открыв рубрику «Отзыв научного руководителя» 😊 А также большая благодарность членам комиссии, в которую я входил и которая собралась на Физтехе и задавала дельные вопросы: В.В. Борисову, Д.В. Виноградову, К.С. Яковлеву, А.К. Ковалёву и А.И. Панову, который нас всех собрал. А также отдельное спасибо Анфисе Мухиной, которая обеспечила техническую сторону защиты и делает большую работу в новой приемной кампании! PS. Запись защиты дипломов доступна в ВК. #Activities3,33%
18 сент. 2024 г.🎓 — Семинар 3. Разработка методов и алгоритмов на биологических принципах представления информации в обучении с подкреплением | Петр Кудеров Исследования посвящены разработке биологически вдохновленных методов, которые помогают агентам обучаться, обрабатывать и запоминать информацию в сложных условиях. Пётр сосредоточился на том, как можно улучшить представление пространственно-временных данных с помощью моделей, основанных на принципах работы мозга. Предложенные модели позволяют обучаться в реальном времени, быстрее обрабатывать и запоминать информацию, а также быстро адаптироваться к изменениям. Особое внимание уделено обучению без учителя, влиянию аттракторных сетей на обобщающие информации, соревновательным сетям и памяти, что открывает новые возможности для решения задач в динамических средах. 👉🏻 Дата: 19.09.24, четверг в 17:00 📹 Трансляция Youtube Подключайтесь к живому обсуждению и задавайте вопросы в прямом эфире! Ждем всех! #семинары #Neuro2,30%
15 сент. 2025 г.Выступил на Media Technology Summit, который собрал представительный список российских ученых в области компьютерного зрения. Рассказал про построение динамических графов 3D сцен и насколько это может быть полезно для робототехники. Отдельно должен отметить эффектную площадку проведения саммита - Отель Метрополь в Москве. #Activities2,13%
12 июл.💫Сотрудники и студенты из команды ЦКМ и Института AIRI на ICML 2026! На этой неделе в Сеуле прошла ICML 2026 — одна из сильнейших мировых конференций в области машинного обучения (категория А*). KAGE-Bench: Fast Known-Axis Visual Generalization Evaluation for Reinforcement Learning — бенчмарк для быстрой и прозрачной оценки того, как алгоритмы обучения с подкреплением обобщают визуальные признаки по заданным осям (цвет, фон, форма объектов). Авторы: Егор Черепанов, Даниил Зелезецкий, Алексей Ковалёв, Александр Панов. Don’t Blind Your VLA: Aligning Visual Representations for OOD Generalization — метод выравнивания визуальных представлений, который заметно повышает устойчивость Vision-Language-Action моделей к данным вне распределения (out-of-distribution). Авторы: Никита Качаев, Михаил Колосов, Даниил Зелезецкий, Алексей Ковалёв, Александр Панов. VLA Grounder: Language-Conditioning Space Optimization for Black-Box VLA Models — подход к улучшению поведения уже обученных VLA-моделей за счёт оптимизации языковых условий в скрытом пространстве — без доступа к внутренним весам модели. Авторы: Дамир Шодиев, Алексей Староверов, Никита Качаев, Алексей Ковалёв, Александр Панов. 🪼Погружайтесь в атмосферу конференции с фотографиями от команды и давайте поздравим авторов реакциями!2,10%
4 февр.без подписи1,54%
3 авг. 2025 г.Еще один мой выпускник 2025 года из нашей магистратуры в МФТИ - Роман Титков. Тема его диплома: «Семантическая реконструкция 3D-сцен в реальном времени с использованием гауссовского сплаттинга». По этой теме у Романа получились многообещающие результаты, которые мы развиваем сейчас вместе с Центром робототехники Сбера в рамках работы LEG-SLAM. Он разработал оригинальный подход по сжатию визуально-языковых признаков и добавления их в методы гауссовского сплаттинга, позволяющие задавать запросы на естественном языке к трехмерной карте. Статья по этой теме была принята на конференцию Neuroinformatics-2025. Кроме того, он успел поучаствовать в написании нашей флагманской статьи BBQ, принятой на конференцию ICRA (A*). Присущие Роману старательная работа с кодом, методичность в решении самых сложных задач, умение грамотно распределять время могли бы пригодиться ему в аспирантуре, если бы он решил продолжать академический трек. #Person #Papers1,37%
19 нояб.без подписи1,34%
3 авг. 2025 г.Следующая по списку в рубрике отзывов - выпускница 2025 года из нашей магистратуры в МФТИ по профилю МТИИ - Ульяна Изместьева Тема ее диплома: «Применение генеративных моделей для аугментации обучающих данных в задачах сегментации изображений». По этой теме мы сделали неплохую статью GenLab, принятую на Neuroinformatics-2025. А также успели посотрудничать с группой FusionBrain в AIRI. Ульяна много участвовала в индустриальных проектах, связанных с распознаванием изображений для роботов и автомобилей от ООО ИнтеграНТ (Препринт) и ООО Вега-ГАЗ. В них мы четко прочувствовали, что часто требуется быстро готовить собственные датасеты с редкими категориями, на которых нужно учить нейронные сети. И решить эту задачу могут помочь диффузионные генеративные модели. В самом начале магистратуры Ульяна также поучаствовала в написании интересной робототехнической статьи Rozumformer в журнале Q1, где наша команда реализовала оригинальный подход Real-to-Sim-to-Real для управления манипулятором. #Person #Papers1,34%
3 авг. 2025 г.Продолжаю отзывы: следующая по списку - выпускница 2025 года из нашей магистратуры в МФТИ - Ольга Матыкина. Тема ее диплома: «Разработка и исследование методов мультимодальной сегментации сцены». По этой теме у нее получилась хорошая работа по применению фундаментальных моделей для 3D-обнаружения объектов на данных камер и радаров RCDINO, принятая в журнал Optical Memory and Neural Networks. В ходе кропотливых экспериментов мы прочувствовали, что без видеокарт уровня A100 80Гб какого-то результата добиться практически невозможно для подобных задач. Ольга много участвовала в индустриальных проектах, связанных с сегментацией и обнаружением объектов на изображениях для роботов и автомобилей от ООО ИнтеграНТ (см. Препринт) и ООО Вега-ГАЗ (статья принята в журнал Труды МФТИ). Продемонстрировала отличные навыки в реализации методов ИИ в ROS2 #Person #Papers1,21%
20 июл.🪼Дайджест ЦКМ: начинаем неделю с полезных материалов Собрали для вас подборку свежих статей и разработок — от генерации 3D-сцен до новых подходов к вниманию в нейросетях и организации научного поиска. 3D и Генерация сцен Метод Sage от команды NVIDIA — генерацию интерактивных 3D-сцен с помощью LLM/VLM тул-коллинга на базе Open3D (ранее упоминался как QUEN3-VL). В отличие от статичных мешей, объекты загружаются в Isaac Sim как интерактивные. Бонусом идет мощный датасет: 10 тыс. сцен, 50 типов комнат, более 500 тыс. уникальных объектов! 🔗 nvlabs.github.io/sage/ | arxiv.org/abs/2602.10116 ИИ для Науки ORKG ASK — нейро-символическая система для поиска и анализа научной литературы. Она строит графы знаний из статей, чтобы отвечать на вопросы исследователей точнее обычного поиска. 🔗 arxiv.org/abs/2512.16425 RL и Рассуждения Статья «Back to Basics» — про проблему исследования (exploration) в Reinforcement Learning для улучшения рассуждений LLM. Авторы предлагают пересмотреть генеративные вероятности для более эффективного RLVR. 🔗 arxiv.org/abs/2602.05281 Оптимизация архитектур В Zyphra предложили Online Vector-Quantized Attention — модификацию векторного квантования, которая учит словарь «думать на лету». Вместо статичного словаря, который дает ошибки на новых данных, здесь каждый новый токен обновляет только один ближайший центроид. Это разреженное обновление защищает от забывания и сохраняет точность внимания. 🔗 arxiv.org/abs/2602.039221,14%