「with」の検索結果

CARLAの走行ログを再生せずに調べ、マップや収録時間、登場車両、衝突、動けなくなった車両を確認します。時刻とIDを手がかりに、確認すべき場面を絞れます。

• 記録のマップや収録内容を確認したいとき
• 車両と歩行者の衝突を探したいとき
• 動けなくなった車両の調査

CARLA本体や選択したマップ・小物を配布用に変換し、圧縮パッケージを作成するスキル。生成物の検証やROS 2対応を保ったビルドも扱います。

• CARLAのフルリリース作成
• Town02を素材として書き出したいとき
• ROS 2対応を保って配布したいとき

CARLA内の車両を指定した目的地まで自律走行させます。障害物や信号に対応する走行のほか、二地点間の経路だけを計画して画面上に描画する用途にも使えます。

• 指定座標まで車両を走らせたいとき
• 選んだ交差点へ移動したいとき
• 走行せずに経路を計画・描画

稼働中のCARLAサーバーでマップの一覧取得・切り替え・再読み込みや道路ファイルからの生成を行い、同期設定などの維持と切り替え後の状態を確認するスキル。

• マップを一覧にして街を切り替えたいとき
• 同期設定を維持してマップを変えたいとき
• OpenDRIVEから道路を生成したいとき

OpenSCENARIO形式の交通シナリオをScenarioRunnerで検証・実行します。地図や車両定義、対応機能を確認し、1.x形式ではパラメータを変更して試せます。

• 他ツールのxoscを検証・実行したいとき
• 速度パラメータを変えて比較したいとき
• OpenSCENARIO 2.0のサンプル確認

稼働中のCARLAに自動走行する車両や一定間隔の車列、操作対象の車両を配置します。車種の絞り込み、走行を維持するプロセス管理、不要になった車両の削除まで扱います。

• マップに自動走行車を増やしたいとき
• 同じ車線に一定間隔で車を並べたいとき
• 操作やセンサー用の自車を作りたいとき

CARLAのマップに自律的に歩き回る歩行者を追加し、人数や歩行速度、道路を横断する割合を調整します。静止した群衆の配置や、制御役を含む順序に沿った削除にも対応します。

• 歩き回る歩行者を追加したいとき
• シード固定で配置を再現したいとき
• 歩行速度や横断割合を調整したいとき

機械学習の設定・評価指標・モデルをまとめて記録し、実験結果の比較や再現を支援するスキル。モデルのバージョン管理から、ローカルやクラウドへの配備まで扱います。

• 実験の設定と評価結果を記録したいとき
• 実験ごとのモデル性能を比較したいとき
• 本番用モデルのバージョン管理

大量のデータから似たものを探す検索を、FAISSで実装するスキル。検索方式の選択からメモリ節約、GPU活用、索引の保存まで、速度と精度を考えて進めます。

• 大量データから類似候補を探したいとき
• 検索速度と精度に合う索引選び
• ベクトル検索のメモリ使用量削減

機械学習の学習設定や精度、画像・音声などをSwanLabに記録し、実験結果を比較する手順を案内。ローカルや自前サーバーでの可視化、学習コードへの組み込みも支援します。

• 学習条件を変えた実験の比較
• 学習指標をローカルで確認したいとき
• 画像や音声を指標と一緒に記録

入力ごとに一部の専門ネットワークを使うMoEモデルの学習を支援。DeepSpeedなどで処理の振り分けや負荷分散、複数GPUへの配置を設定します。

• 一部の専門ネットワークを使うモデル設計
• 専門ネットワーク間の負荷分散
• 複数GPUへの分散配置

機械学習の損失や精度をグラフで確認し、実験ごとの結果を比較するスキル。重みや勾配の分布、モデル構造、処理時間も可視化して学習の問題点を調べます。

• 学習中の損失や精度を確認したいとき
• 学習設定の異なる実験を比較したいとき
• 重みや勾配の分布を調べたいとき

vLLMで大規模言語モデルのAPI公開や一括推論を進めます。GPUメモリに合わせた量子化や複数GPUへの分散設定、応答速度と処理量の調整を支援します。

• OpenAI互換のモデルAPIを公開したいとき
• 大量のプロンプトを一括処理したいとき
• 限られたGPUメモリでモデルを動かしたいとき

NVIDIA Cosmos Policyのロボット操作を、LIBEROやRoboCasaの仮想環境で評価します。GPU環境の準備から画面なしでの実行、結果確認まで案内するスキルです。

• LIBEROで小規模評価を試したいとき
• RoboCasaのキッチン操作評価
• 画面のないGPUクラスタでの環境構築

文章からの画像生成や既存画像の画風変更、指定部分の描き直しをPythonで実装するためのガイドです。構図を指定する方法や、メモリ使用量の調整も扱います。

• 文章から画像を生成したいとき
• 既存画像の画風を変えたいとき
• 画像の一部分を描き直したいとき

LLMの文章生成を速めるため、候補を先に作ってまとめて検証する手法を導入します。小型モデルの併用、Medusa、Lookahead Decodingの比較と設定を案内します。

• チャットの応答待ちを短くしたいとき
• コード生成の高速化
• 候補生成用の小型モデルの選定

LLMの学習用データを整えるスキル。GPUを使った重複除去や品質フィルタリング、個人情報の除去を支援し、テキスト・画像・動画・音声の前処理を案内します。

• Webデータを学習用に整えたいとき
• 大量の文章から重複を除きたいとき
• 学習用文章の個人情報を除きたいとき

LLMへの入力と生成した応答を、暴力や自傷などの安全性カテゴリで判定します。LlamaGuardの導入から一括処理、判定APIの構築までを案内するスキルです。

• LLMに渡す前の入力検査
• 表示前の生成応答の安全性確認
• 安全性判定APIの構築

大規模言語モデルを報酬に基づいて追加学習する手順を案内します。Megatron-LM と SGLang を使い、学習データの準備から非同期実行、独自の生成処理まで扱います。

• GLM や Qwen3 の GRPO 学習準備
• 回答生成と学習を非同期で動かしたいとき
• 複数ターンでツールを使うエージェント学習

大量の文章をAIモデル用の単位に高速に分割し、独自語彙の学習から入力の長さ調整まで支援するスキル。分割した単位と原文の位置の対応も確認できます。

• 大量の文章を分割したいとき
• 独自の分割用語彙を学習したいとき
• 抽出した名前や回答を原文に対応付けたいとき

言語モデルの知識・数学・コード生成・安全性などを共通の設定で評価。DockerやSlurmでベンチマークを実行し、複数モデルの結果比較と書き出しを支援します。

• 同じ評価課題でのモデル比較
• 本番評価前の少数サンプルでの動作確認
• Slurmでの大規模評価

機械学習の訓練を複数のGPUやマシンへ広げる手順を案内します。Ray Trainでの分散学習、学習条件の比較、障害からの復旧設定まで支援するスキルです。

• 既存のPyTorch学習を複数GPU化
• HuggingFaceの複数マシン学習
• Ray Tuneで学習条件を比較

LLMを用途に合わせて追加学習するために、WebUIでのコード不要の操作やLoRA・QLoRAの活用、実装や不具合の調査を資料に沿って支援するスキル。

• 画面操作で追加学習を学びたいとき
• LoRA・QLoRAの学習方法の確認
• 対応モデルやマルチモーダル機能の確認

回答の正しさや出力形式を点数で評価し、言語モデルを追加学習する実装を支援します。TRLを用いたデータ準備、報酬関数の設計、学習設定、進捗確認まで扱います。

• JSONやXMLの出力形式を学習させたいとき
• 数学やコードの正解に報酬を与えたいとき
• 正確さ・形式・文体を両立する追加学習