Hoppa till huvudinnehåll
Dipankar Sarkar

Dipankar Sarkar

Bygga för nutiden, planera för framtiden

Senaste

RoboGPT: Omvandlar industrier och formar framtiden för människa-robot-samarbete

När vi närmar oss mitten av 2024 är det dags att reflektera över den omvälvande inverkan som RoboGPT har haft på olika industrier sedan dess introduktion. Som tidigare chef för AI & Platform på Orangewood Labs är jag stolt över att dela hur vår banbrytande teknik omformar landskapet för människa-robot-samarbete och sätter nya standarder för industriell automation.

EdgeML och framtiden för robotik: Att bygga nästa generations SDK och plattform

Jag är glad att få dela insikter om ett av våra mest ambitiösa projekt på Orangewood Labs: utvecklingen av en nästa generations SDK och plattform för robotik, driven av EdgeML. Detta initiativ kommer att omdefiniera hur vi närmar oss robotprogrammering och hantering, och bringa oöverträffade nivåer av intelligens och effektivitet till robotsystem.

AutoInspect och AutoSpray: ML-driven precision inom industriell robotik

När vi går in i 2024 är jag glad att kunna dela de anmärkningsvärda framsteg vi har gjort på Orangewood Labs med våra AutoInspect- och AutoSpray-lösningar. Dessa innovativa system representerar ett betydande steg framåt i tillämpningen av maskininlärning och datorseende inom industriell robotik, särskilt inom områdena kvalitetskontroll och precisionstillverkning.

Revolutionerande onlinespel: AI-driven matchmaking för Hikes Rush-plattform

Som ledare för Machine Learning-teamet på Hike Limited ledde jag utvecklingen av ett innovativt AI-drivet matchmaking-system för Rush, Hikes nätverk för spel med riktiga pengar. Vårt mål var att skapa en rättvis, engagerande och mycket personlig spelupplevelse genom att automatiskt matcha spelare baserat på deras färdighetsnivåer, spelbeteende och övergripande användarupplevelse.

Bygga ett realtidsramverk för datainsamling och analys för e-handel

Som huvudteknisk konsult för en ledande e-handelsplattform i Indien ledde jag utvecklingen av ett toppmodernt realtidsramverk för datainsamling och analys. Detta projekt syftade till att ge omfattande realtidsinsikter i användarbeteende och systemprestanda, vilket överträffade kapaciteten hos traditionella analysverktyg som Adobe Analytics och Google Analytics.