ログイン/ 登録

ボディ・インテリジェンス100人マップの徹底分析テクノロジー大手のAI人材争奪戦

JinseFinance

2024/06/12 22:34

従う

By Weimar

人材とエネルギーは、テック企業のAIバトルで戦わなければならない高台のタワーになりつつある。

「このAIによる人材争奪戦は、私がこれまで見た中で最もクレイジーな戦いだ！」とマスク氏はツイートした。マスク氏はぶっきらぼうにツイートした。

5月28日には、テスラCEOのAIスタートアップであるxAIが、マスク氏が「スーパーコンピューティング工場」と呼ぶスーパーコンピューターを構築するために60億ドルを調達したとウェブサイトで発表したばかりだ。スーパーコンピューティング工場」である。確かに、これにはより多くの人材が必要だ。マスクは、もしxAIがオファーを出さなければ、Open AIが買収していただろうとまで言った。

誰も未来の正確な姿を見ることができないこのAIの大きなモデルをめぐる戦いにおいて、信頼できるチームに投資することは、投資会社にとって明らかに最強の保証となる。これはまた、この人材争奪戦が激化している重要な理由でもある。

しかし、「本当に優秀な人材は通常、積極的に仕事を探したりしないので、強気な人材を引き抜きに行く必要がある」。OpenAIの創設者サム・アルトマンは、先の投稿でこのことに言及している。

情報格差こそが、この人材争奪戦の勝敗を分ける。

私たちの最初のタレントマップは、テック大手が大きく賭けている分野、すなわち具現化された知性に焦点を当てています。

このAI戦争の未来が予測不可能であるとすれば、具現化された知性は究極の形の1つになるかもしれません。NVIDIAのCEOであるJen-Hsun Huang氏は、AIの次の波は具現化された知能になるだろうとさえ述べています。

シリコンラビットは、アメリカの大企業、2つのAI黄埔軍学校 - GoogleとNvidiaの具現化されたインテリジェンスの才能のマッピングと、中国のお偉方は、ビジネスを開始したり、そのために投資することを望むことができるかもしれませんをとかすことを試みる。読者は地図に従ってください。

「1」グーグルとエヌビディアが具現化知能の論文やプロジェクトに注力していることから、合計114人の業界リーダーがおり、グーグルが全体の60％、エヌビディアが40％を占め、男性が多く（90％）、女性が少ない（10％）。

"2"フェローの8％の学術レベルは、米国科学アカデミーの会員に匹敵する。フェローの59％はハイレベル層に属する。

"3" フェローの78％が博士号を最高レベルの学歴としており、18％が大学院生、学部生はわずか4％である。

"4"グーグルとエヌビディアの知能研究者の約27パーセントを中国人が占めている。

"5" グーグルとエヌビディアに最も多くの体性知能の大物を送り込んでいるのはスタンフォードで、CMUとマサチューセッツ工科大学がそれに続き、3校とも人材の約3分の1を送り出しています。

Google とエヌビディアの体性知能研究者の約27パーセントは中国人です。

データの詳細な内訳と中国系アメリカ人の大物の経歴については、以下をご覧ください。

「1」

GoogleとNVIDIAの具現化知能研究には、Google Scholarにプロフィールが掲載されていない62人の研究者を除き、合計248人の研究者が関わっていました。GoogleとNVIDIAの具現化された知能研究に関わった研究者は合計248人で、Google Scholarにプロファイリングされていない研究者62人を除くと、186人の研究者が残り、60％が産業界、40％がアカデミアの研究者でした。

具体的に言うと、Googleは独自の研究能力はより強力であり、NVIDIAは複数のトップスクールの研究リソースを利用しています。NVIDIAのロボット工学研究に関与している大学研究者の数は45人に達し、半数（51％）であるのに対し、Googleは3分の1以下（27、28％）である。

"2"

業界の人材に焦点を当てると、グーグルとエヌビディアの114人の研究者は、約90パーセントが男性で、約27パーセントが中国人、約78パーセントが博士号を持っています。博士号取得者は約78パーセントを占める。

男女比と民族性という点では、グーグルとエヌビディアが2強である。男女比と民族性という点では、GoogleとNVIDIAの間には若干の違いがあり、NVIDIAではわずか2名であるのに対し、Googleでは11名の女性科学者が在籍しており、より女性に優しいようです。

NVIDIAでは、中国人の割合が40パーセントと、Googleの20パーセントに比べてはるかに高くなっています。

「3」

スタンフォード大学は、GoogleとNvidiaに最も多くのボディインテリジェンスの大物を送り出しました。

114人のフェローは、合計51の大学で最高学位を取得した。このうち、スタンフォード大学は16人、カーネギーメロン大学は14人、マサチューセッツ工科大学は7人で、全体の約3分の1を占めた。

研究者の大半は米国の教育機関の出身だが、ヨーロッパにも具現化知能の分野で大きな影響を与えた学校がある。英国ロンドンのインペリアル・カレッジ・オブ・サイエンス・アンド・テクノロジーとオックスフォード大学で、この2校から合計8人の研究者が卒業している。オックスフォード大学はディープラーニングの分野で豊富な経験を蓄積しており、グーグルがディープマインドを買収したことで、オックスフォード大学と提携し、ディープラーニング分野の専門家を招聘することになった。例えば、AlphaGoの開発チームには3人の現オックスフォード大学教授と4人の元オックスフォード大学の研究者が含まれている。

"4"

業界の研究者の8%は、米国科学アカデミーの会員に匹敵する学力がある。Googleフェローは、NVIDIAと比較して、より学術的能力が高い。

私たちは、学術的な能力を測るために、被引用数と "h "指数を使用しています。と "h "指数を用いて学術的な卓越性を測定している。h "指数は、少なくとも同じ被引用数（h）を持つ著者の出版物の最高数です。例えば、ある人のh指数が20であれば、それぞれ20回以上引用された論文を20本発表していることを意味します。

一般的に、h-indexが10以上は高いとみなされ、h-indexが18は高いとみなされ、米国科学アカデミーの会員になるための一般的な条件は45以上です。

これら114人の企業研究者のh指数は、彼らがかなり強力な研究者であることを示している：89％のh指数が10以上、59％のh指数が18以上、8％のh指数がさらに45以上

グーグルとエヌビディアの学術レベルをさらに比較すると、グーグルの研究者はエヌビディアよりもかなり影響力があることがわかります。
"5"
"5"
"5"
GoogleとNVIDIAはそれぞれ、具現化知能の研究者の約10人に1人が他社に移っている。
グーグルの70人のうち7人、つまり10パーセントが退職した。現在、NVIDIA、Apple、Tesla、1x、OpenAI、Figure AIなどに在籍している人材は、全体としてはグーグルを去った人の方が少なく、大半はグーグル・ディープマインドで働いています。
その中でも、スコット・リードは2016年にグーグル・ディープマインドに入社し、制御とジェネレーティブ・モデリングに取り組んだ後、GEARチームの主席研究員としてエヌビディアに入社した。
参考：Googleの退社する研究者と行き先
NVIDIAの44人の具現化知能研究者のうち、9パーセントにあたる4人が退社した。1人はグーグルへ、1人はAI研究のためのアレン研究所へ、そして残りの2人は自分のビジネスを始めることを選びました。
イゴール・モルダッチは、機械学習、ロボット工学、マルチ・インテリジェント・システムなどの研究に従事し、OpenAIの研究科学者であり、スタンフォード大学とピクサー・アニメーション・スタジオの客員研究員でもあった。OpenAI Scholars Mentoring Programを共同主催し、AI4All、Google CS Research Mentoring Program、Girls Inc.のメンターおよびティーチングアシスタントを務めた。NVIDIA退社後は、Google DeepMindでリサーチサイエンティストとして勤務。これまでに約123本の論文を発表し、Google Scholarのh-indexは51で、18,752回引用されている。
"6"
"AAAS Fellows "アカデミック・レベル（h-indexが45以上）の研究者。45以上）のフェローが6人、グーグルが6人、エヌビディアが1人だった。
Google
Nicolas Heess
ディープマインドの研究科学者。
エジンバラ大学で神経情報学と計算神経科学の博士課程に在籍中の2011年に論文「Learning a Generative Model of Images by Factoring Appearance and Shape」を発表。エジンバラ大学で神経情報学と計算神経科学の博士号を取得後、ディープマインドに勤務。
それ以前はマシンビジョン、機械学習、グラフィックス／拡張現実／ゲームに焦点を当てた研究を行い、現在はUCLのコンピューティング学部の名誉教授を務めている。
発表～224論文、Google Scholar h-index 65、引用回数48,917回。
マーティン・リードミラー
ディープマインドの研究科学者。
1986年から1996年までドイツのカールスルーエ大学（現カールスルーエ工科大学）でコンピューターサイエンスを学び、博士号を取得。卒業後は学界で教鞭をとるかたわら、起業。
2002年から2015年まで、ドルトムント大学、オスナブリュック大学、フライブルク大学で教授を務め、機械学習ラボを率いる。
2015年、グーグル・ディープマインドに常勤。
研究分野は人工知能、ニューラルネットワーク、強化学習などが中心。約188本の論文を発表し、Google Scholarのh-indexは59、被引用回数は84,113回。
Vikas Sindhwani
ロボット工学における計画、知覚、学習、制御の問題解決に焦点を当てた研究グループを率いるGoogle DeepMindの研究科学者。
シカゴ大学でコンピューターサイエンスの博士号を、インド工科大学（IIT）ボンベイ校で工学物理学の理学士号を取得。
2008年から2015年までIBM T.J.ワトソン研究所ニューヨークで機械学習グループを担当。
機械学習研究論文誌（Transactions on Machine Learning Research：TMLR）、IEEEパターン分析・機械知能論文誌（Transactions on Pattern Analysis and Machine Intelligence）の編集委員を務め、NeurIPS、学習表現国際会議（International Conference on Learning Representations：ICLR）、知識発見とデータマイニング（Knowledge Discovery and Data Mining：KDD）のドメインチェアおよび上級プログラム委員を務める！
研究テーマは、統計的機械学習の中核となる数学的基礎から、大規模で安全かつ健全なAIシステムを構築するためのエンドツーエンドの設計まで、多岐にわたります。
「Uncertainty in Artificial Intelligence（UAI-2013）」最優秀論文賞および2014年IBMパット・ゴールドバーグ記念賞受賞、「ICRA-2022 Distinguished Planning Paper Award」および「ICRA-2024 Robot Operations Best Paper Award」最終候補。
約137本の論文を発表し、Google Scholarのh-indexは52、被引用回数は17,150回。
Vincent Vanhoucke
グーグルディープマインド特別研究員、ロボティクス担当シニアディレクター。
スタンフォード大学で電気工学の博士号を取得（1999年～2003年）、エコール・サントラル・パリでエンジニアの学位を取得。
グーグル・ブレインで視覚と知覚の研究をリードし、グーグル音声検索の音声認識品質チームを担当。ロボット学習会議の共同設立者。
研究分野は分散システムや並列コンピューティング、機械知能、機械知覚、ロボット工学、音声処理など多岐にわたる。約64本の論文を発表し、Google Scholarのh-indexは50で、165,519回引用されています。
Raia Hadsell
リサーチ＆ロボティクス担当シニアディレクター、ディープマインド社リサーチ担当副社長
2014年入社～現在。
リード・カレッジで宗教と哲学の学士号を取得（1990-1994年）した後、ニューヨーク大学でヤン・ルクンと博士課程研究を修了（2003-2008年）。「三項損失」）、顔認識アルゴリズム、ディープラーニングを利用した移動ロボット工学の研究に重点を置いた。論文「Learning Long-range vision for offroad robots」は、2009年の優秀論文賞を受賞した。
カーネギーメロン大学のロボティクス研究所で博士研究員としてドリュー・バグネルやマルシャル・ヘベールと共同研究を行った後、ニュージャージー州プリンストンのSRIインターナショナルでビジョン＆ロボティクス・グループの研究員として勤務（2009年～2014年）。
ディープマインドに入社してからは、連続学習や転移学習、ロボット工学や制御問題のための深層強化学習、ナビゲーションのニューラルモデルなど、人工知能における基本的な課題のいくつかに焦点を当てた研究を行っている。新しいオープンアクセスジャーナルTMLRの創刊者兼編集長、CoRL実行委員会メンバー、European Laboratory for Learning Systems（ELLIS）メンバー、NAISys（Neuroscience and Artificial Intelligence Systems）創設オーガナイザーの一人。CIFARのアドバイザーを務め、WiML（Women in Machine Learning）の実行委員会のメンバーでもあった。
論文発表～107本、Google Scholar h-index 45、被引用回数36,265回。
Nikhil J Joshi
限られた情報ですが、インドのインド工科大学（IIT）で物理学の修士号を、インドのタタ基礎研究所で分子物理学の博士号を取得しました。2017年にグーグルブレインにソフトウェア開発者として入社し、それ以前はさまざまな企業で勤務。Google Scholarのh-indexは45で、8320回引用されている。
NVIDIA
スタン・バーチフィールド
NVIDIAのプリンシパル・リサーチ・サイエンティスト兼シニア・リサーチ・マネージャー。
2016年に入社し、学習、知覚、AIを介した現実と相互作用など、コンピュータビジョンとロボティクスの交差点に焦点を当てています。
1999年にスタンフォード大学でコンピュータサイエンスを副専攻とする電気工学の博士号を取得。
卒業後、ベイエリアの新興企業であるQuindi Corporationにリサーチエンジニアとして入社し、インテリジェントなデジタルオーディオおよびビデオアルゴリズムを開発。
2013年から2016年にかけてはマイクロソフトに入社し、グランドトゥルース・ナビゲーションシステムを用いたコンピュータービジョンとロボット工学のアプリケーション開発を担当し、自動カメラ切り替えの開発を主導した。
Google Scholar h-index 56、引用回数14,315回。
「7」
業界の中国系アメリカ人の大物
114人の企業研究者。
114人の企業研究者には31人の中国系が含まれ、Googleの4人、NVIDIAの6人、OpenAIと1xの各1人を含む12人のリーダーを強調しています。align:center">
グーグル・ディープマインドのシニアリサーチサイエンティスト。
2016年に清華大学を卒業し、2021年にスタンフォード大学で電気工学の博士号を取得。
博士課程在学中、NVIDIAのディーター・フォックス、Googleのアレクサンダー・トシェフ、ブライアン・イクターのもとで研究インターンシップを経験。スタンフォード大学で博士号を取得後、2021年秋にグーグルのロボット工学チームに加わった。
研究テーマは、大規模で移植可能なロボットシミュレーション、長期タスクの学習アルゴリズム、環境の幾何学的表現と意味的表現の組み合わせなど。最近の研究の方向性は、知能の意思決定プロセスにおけるファウンデーションモデルの使用です。
学術的業績としては、ICRA 2023で5本の論文が採択され、CoRL 2022で4本の論文が採択された。
代表作にはGibsonEnv、iGibson、SayCanなどがあり、iGibsonはロボット学習のための大規模なインタラクティブ環境を開発し、ロボット制御戦略において模倣学習とモデル予測制御（MPC）を組み合わせて使用しています。
Andy Zeng
グーグル・ディープマインドの上級研究員。
カリフォルニア大学バークレー校でコンピューターサイエンスと数学の学士号を二重に取得し、プリンストン大学でコンピューターサイエンスの博士号を取得。博士号取得後の2019年にグーグル・ブレインに入社し、機械学習、視覚、言語、ロボット工学に取り組む。
研究テーマはロボット学習で、機械がインテリジェントに世界と対話し、時間をかけて自らを向上させることを可能にする。
学術的業績としては、ICRA、CVPR、CoRLなどの様々な会議で発表された論文があります。
重要なプロジェクトへの参加には、PaLM-Eが含まれます。
グーグル・スカラーのh-インデックスは32、被引用回数は12207回です。align: left;">Tianhe Yu
グーグル・ディープマインドの研究科学者。
2017年にカリフォルニア大学バークレー校でコンピューターサイエンス、応用数学、統計学の最優秀優等学士号を取得、2022年にスタンフォード大学でコンピューターサイエンスの博士号を取得（チェルシー・フィンが指導）
Google Deepindのリサーチサイエンティスト。-align: left;">2022年に博士号取得後、グーグル・ブレインに入社し、機械学習、視覚、言語、ロボット工学に取り組む。
研究テーマは機械学習、知覚、制御、特にオフライン強化学習（静的データセットからの学習）、マルチタスク、メタ学習など。最近では、意思決定問題におけるベースモデルの利用を模索している。
学術的業績としては、ICRA、CVPR、CoRLなどの様々な学会で発表された論文がある。
重要なプロジェクトへの参加には、PaLM-Eが含まれます。
グーグル・スカラーのh-インデックスは25、被引用回数は7726回です。
グーグル・ディープマインドのシニアリサーチエンジニア。
2010年から2018年にかけて、英国インペリアル・カレッジ・ロンドンにて、ステファノス・ザフェイリウ教授の指導の下、コンピュータサイエンスの修士号および博士号を取得。
2017年9月から2018年3月までGoogle Brain & DeepMindで深層強化学習とロボティクスの研究インターンシップを行った後、2018年12月にリサーチエンジニアとしてGoogle DeepMindに入社。
研究テーマは、ソリューションロボティクス、三人称模倣学習、統計的変形モデルによる密な形状の研究など。
Google Scholarのh-indexは17、被引用回数は3099回です。
NVIDIA
Linxi Fan
NVIDIAのシニアリサーチサイエンティストで、GEAR Labの代表。
スタンフォード大学のVision LabでFei-Fei Li教授の指導の下、博士号を取得。
OpenAI（イリヤ・スーツケバー、アンドレイ・カルパシーと）、Baidu AI Lab（アンドリュー・ン、ダリオ・アモデイと）、MILA（ヨシュア・ベンジオと）でインターン。
研究では、マルチモーダルベースモデル、強化学習、コンピュータビジョン、大規模システムの最前線を探求しています。
マインクラフトを巧みにプレイし、その機能を導き続ける最初のAI知能であるボイジャー、10万本のマインクラフトYouTube動画を見て学習するオープンエンドインテリジェンスであるMineDojoの創作のパイオニア、MineDojoはNeurIPS 2022で優秀論文賞を受賞した。
Google Scholarのh-indexは18、被引用数は5619です。
Chen-Hsuan Lin
NVIDIAのシニアリサーチサイエンティスト。
国立台湾大学で電気工学の学士号を取得。
国立台湾大学で電気工学の学士号を取得し、カーネギーメロン大学でサイモン・ルーシーの指導の下、NVIDIA Graduate Fellowshipの支援を受けてロボット工学の博士号を取得。
フェイスブックのAIリサーチとアドビのリサーチでインターン。
コンピュータビジョン、コンピュータグラフィックス、生成的AIアプリケーションに従事。3D再構成、ニューラル・レンダリング、ジェネレーティブ・モデリングなど、3Dコンテンツ制作に関わる問題の解決に興味がある。
TIME誌の2023年ベスト発明賞を受賞。
Google Scholarのh-indexは15、被引用回数は2752回
De-An Huang
コンピュータビジョンを専門とするNVIDIA研究員、ロボット工学、機械学習、バイオインフォマティクスを専門とする。
スタンフォード大学でコンピュータサイエンスの博士号を取得。カーネギーメロン大学修士課程ではクリス・キタニと、国立台湾大学学士課程ではユーチャン・フランク・ワンと研究。
NVIDIAではディーター・フォックスのシアトル・ロボティクス・ラボ、フェイスブックではヴィグネシュ・ラマナサンとドルヴ・マハジャンのアプライド・マシン・ラーニング、マイクロソフトではジチェン・リューのレッドモンド研究所、ディズニーのピッツバーグ研究所に在籍。マイクロソフトのレドモンド研究所ではリューが、ピッツバーグのディズニー研究所ではレオニード・シガルがインターンとして働いています。
Google Scholarのh-indexは32、被引用数は4848です。
Kaichun Mo
エヌビディア率いるシアトル・ロボティクス研究所のディーター・フォックス教授 Professor Dieter Foxは、シアトル・ロボティクス研究所の研究科学者を率いています。
スタンフォード大学でレオニダス・J・ギバス教授の指導の下、コンピューターサイエンスの博士号を取得。スタンフォード大学のGeometric Computing GroupおよびArtificial Intelligence Labに所属。2016年にスタンフォードに入社する以前は、上海交通大学のACMクラスでコンピューターサイエンスの学士号を取得（追記：上海ACM優等クラスは博士号取得率92％、ACM国際大学プログラミングコンテストで3回優勝、640人のコンピューター「頭脳」を育成）。3.96/4.30（1/33ランク）。
専門は3Dコンピュータビジョン、グラフィックス、ロボット工学、3Dディープラーニングで、特にオブジェクト中心の3Dディープラーニング、3Dデータの構造化視覚表現学習に力を入れている。
Google Scholarのh-indexは20、被引用回数は17654回
Xinshuo Weng
NVIDIAリサーチ・サイエンティスト、マルコ・パヴォーネ（Marco Pavone）氏。パヴォーネ。
カーネギーメロン大学でクリス・キタニとともにロボット工学の博士号（2018-2022）とコンピュータビジョンの修士号（2016-17）を取得。学部は武漢大学。
彼女はまた、フェイスブックのリアリティ・ラボのヤーザー・シェイクと研究エンジニアとして働き、"没入型テレプレゼンス "の構築を支援してきた。
研究テーマは、自律システムの生成モデリングと3Dコンピュータビジョンです。ターゲット検出、多オブジェクト追跡、再同定、軌道予測、運動計画などのタスクをカバーしています。
Google Scholarのh-indexは23で、被引用数は3472
Zhiding Yu (禹之鼎)
プリンシパル・リサーチ・サイエンティストで、NVIDIAのマシンラーニング・リサーチ・グループの責任者。
2017年にカーネギーメロン大学で電気・コンピュータ工学の博士号を、2012年に香港科学技術大学で電気・コンピュータ工学の修士号を取得。2008年に華南理工大学で電気工学共同専攻（馮炳泉実験クラス）の学士号を取得。
研究テーマは、深層表現学習、弱教師付き/半教師付き学習、転移学習、深層構造予測、および視覚とロボット問題への応用です。
WADチャレンジ@CVPR18のDomain Adaptive Semantic Segmentationトラックで優勝。WACV15で最優秀論文賞を受賞。
Google Scholarのh-indexは42、被引用数は17064。
OpenAI
Mengyuan Yan
技術者。
2014年北京大学物理学理学士、2020年スタンフォード大学電気電子工学博士。
スタンフォードAIラボの一部であるインタラクティブ知覚・ロボット学習ラボ（IPRL）のメンバーで、ジャネット・ボーグとレオニダス・ギバスの指導を受けている。
研究分野は、コンピュータビジョン、機械学習、ロボット工学、生成モデリングなど。
出版物は28件、Google scholarのh-indexは15、被引用回数は4,664回です。
1X Technologies
Eric Jang
AI担当副社長。
2016年にブラウン大学でコンピュータサイエンスを専攻し、修士号を取得。
2016年から2022年までグーグルのロボット工学シニアリサーチサイエンティストとして勤務。TensorFlow 1が非推奨になるまで）Robotics OperationsチームとEveryday Robotsで使用されたMLフレームワークであるTensor2Robotの開発、SayCanを生み出したBrain Moonshotチームの共同リーダーを務めた。2022年4月にGoogle Roboticsを退社し、1X Technologies（旧称Halodi Robotics）に入社。2つの重要な取り組みでチームを率い、1つは、エンドツーエンドのニューラルネットワークによる人型ロボットEVEの自律性でした。
7本の論文の筆頭著者、15本以上の論文の共著者であり、Google scholarのh-indexは23、被引用回数は11,213回で、人工知能の歴史と未来についての本『AI is Good for You』の著者でもある。
"8"
集中的な研究論文や実験プロジェクトを通じて、グーグルとエヌビディアのエンボディド・インテリジェンスの人材をターゲットにしている。
Googleは基本的なモデリングに重点を置いており、
SayCan：高レベルのタスクを実行可能なタスクに分解する能力。
セイキャン：高レベルタスクを実行可能なサブタスクに分解する能力。
Gato：マルチモーダルデータをTransformerアーキテクチャにトークン化します。
RT-1：ロボットの軌跡データをTransformerアーキテクチャに入力し、離散アクショントークンを取得します。マルチモーダル性能を向上させます。
RoboCat：マルチモーダルモデルGatoをロボットデータセットと組み合わせることで、RoboCatはシミュレートされた環境と物理的な環境の両方において、発話、画像、行動などのタスクを処理する能力を備えています。
RT-2：RT-1モデルとPaLM-Eモデルを組み合わせたもので、ロボットモデルをVLMからVLAに進化させたもの
RT-X：オリジナルのアーキテクチャを維持しつつ、具現化知能の5つの能力を包括的に強化したもの。
RT-X：オリジナルのアーキテクチャを維持しつつ、具現化された知能の5つの能力を包括的に強化。
上記のモデルは、自律的で信頼性の高い意思決定、マルチモーダルセンシング、リアルタイムの精密な操作・制御能力の組み合わせを徐々に実現し、同時に汎化能力と心の連鎖能力を発揮する。
上記の研究論文を合わせると、グーグル研究者は合計143人に上る。‍‍‍‍‍‍‍‍‍‍‍‍‍
NVIDIAはシミュレーションベースのトレーニングに重点を置いており、その具現化されたインテリジェンスの才能が関わる実験的なプロジェクトには次のようなものがあります:
NVIDIA はシミュレーションベースのトレーニングに重点を置いています。
Eureka: Reward Mechanism Design for Reinforcement Learning Using Large Language Models
Voyager: Driving Intelligentsia with Large Language Models in Open Worlds
MimicPlay：
VIMA：汎用ロボットタスクのためのマルチモーダルコマンド操作
MinDojo：インターネットスケールデータによるオープンな身体化インテリジェンスの構築
また、NVIDIAは2024年に具現化された知性に注力しており、マルチモーダルベースモデル、ジェネラリストロボット研究、仮想世界、基本的な知性、シミュレーションと合成データに注力するGEAR（Generalist Embodied Agent Research）ラボの設立を発表しています。GEAR（Generalist Embodied Agent Research）ラボは、マルチモーダル基本モデル、ジェネラリスト・ロボティクス研究、仮想世界における基本的知能、シミュレーションと合成データ技術の4つの主要分野に焦点を当てています。
本記事ではまず、上記のGoogleコアプロジェクトの論文を調べ、合計7つの論文を紹介します。各論文にはプロジェクト研究者の詳細が記載されており、具体的な研究内容が明確に発表されています。
NVIDIAの研究ページには、ロボット工学プロジェクトに携わる合計54名が掲載されており、GEARが発表した論文の著者全員を考慮すると、合計105名の具現化知能の研究者が整理されました。
付録：グーグル、エヌビディアの具現化知能100リスト