- 角色進(jìn)階指南,《羅德里》英雄加點(diǎn)方法
- 即將上線的精彩活動(dòng),《閃耀暖暖》遠(yuǎn)郊茶聚玩法介紹
- 兌換有禮,《創(chuàng)造與魔法》2024年9月9日兌換碼匯總
- 《下一站江湖2》七階玄脈丹獲取攻略
- 探秘游戲技能,《無期迷途》天氣預(yù)報(bào)技能攻略
- 探秘游戲裝備選擇指南,《三角洲行動(dòng)》典藏皮膚選擇推薦
- 全新手游體驗(yàn),《朝歌》異獸寵物和坐騎介紹
- 裝備探索之旅,《煙雨江湖》60級(jí)裝備圖紙獲得方法
- 活動(dòng)前瞻探索全新活動(dòng)玩法,《閃耀暖暖》南池遇仙鯉玩法介紹
- 高能指南,《下一站江湖2》七階煞孤獲取攻略
聲明:本文來自于(ID:ykqsd.com)授權(quán)轉(zhuǎn)載發(fā)布。
3月10日,上海機(jī)器人初創(chuàng)公司智元機(jī)器人官方發(fā)布其智元啟元大模型GenieOperator-1(GO-1),這是中國(guó)首個(gè)通用具身基座模型。智元機(jī)器人表示,這款模型具備泛化能力,能夠在極少數(shù)據(jù)甚至零樣本下快速適應(yīng)新場(chǎng)景和新任務(wù),從而降低了具身模型的使用門檻和后訓(xùn)練成本。
該模型首次提出Vision-Language-Latent-Action(ViLLA)架構(gòu),實(shí)現(xiàn)了基于人類視頻的學(xué)習(xí)能力,支持小樣本快速泛化。ViLLA架構(gòu)由多模態(tài)大模型(VLM)和混合專家(MoE)組成。其中,VLM利用海量互聯(lián)網(wǎng)圖文數(shù)據(jù)提升通用場(chǎng)景感知和語言理解能力;MoE中的隱式規(guī)劃器(Latent Planner)通過大量跨本體和人類操作數(shù)據(jù),獲得通用動(dòng)作理解能力;動(dòng)作專家(Action Expert)則通過 million 真機(jī)數(shù)據(jù)提升精細(xì)動(dòng)作執(zhí)行能力。在推理過程中,VLM、隱式規(guī)劃器和動(dòng)作專家協(xié)同工作。目前,智元啟元大模型已成功部署于智元多款機(jī)器人本體。
具身智能(Embodied Intelligence)是一種基于物理身體進(jìn)行感知和行動(dòng)的智能系統(tǒng),通過智能體與環(huán)境的交互獲取信息、理解問題、做出決策并實(shí)現(xiàn)行動(dòng),從而產(chǎn)生智能行為和適應(yīng)性。機(jī)器人是具身智能的主要代表產(chǎn)品之一。實(shí)現(xiàn)具身智能更強(qiáng)調(diào)與物理世界的直接交互,需要處理視覺、聽覺、觸覺、運(yùn)動(dòng)等多種模態(tài)的數(shù)據(jù),并將感知、決策和行動(dòng)緊密結(jié)合。
2024年年底,智元機(jī)器人曾發(fā)布AgiBot World 百萬真機(jī)數(shù)據(jù)集,盡管該數(shù)據(jù)集已是目前最大的機(jī)器人真機(jī)示教數(shù)據(jù)集,但高質(zhì)量帶動(dòng)作標(biāo)簽的真機(jī)數(shù)據(jù)量仍然有限,遠(yuǎn)少于互聯(lián)網(wǎng)規(guī)模的數(shù)據(jù)集。為了解決具身智能數(shù)據(jù)困境,智元機(jī)器人此次采用隱式動(dòng)作(Latent Actions)來建模當(dāng)前幀和歷史幀之間的隱式變化,通過隱式規(guī)劃器(Latent Planner)預(yù)測(cè)這些隱式動(dòng)作,從而將異構(gòu)數(shù)據(jù)源中真實(shí)世界的動(dòng)作知識(shí)轉(zhuǎn)移到通用操作任務(wù)中。
智元機(jī)器人表示,通過ViLLA 創(chuàng)新性架構(gòu),其在五種不同復(fù)雜度任務(wù)上的測(cè)試結(jié)果顯示,GO-1大模型的平均成功率較現(xiàn)有最優(yōu)模型提高了32%。其中在“倒水”、“清理桌面”和“補(bǔ)充飲料”等任務(wù)中表現(xiàn)尤為突出。此外,GO-1大模型還可以搭配一套整套的數(shù)據(jù)回流系統(tǒng),從實(shí)際執(zhí)行中遇到的問題數(shù)據(jù)持續(xù)進(jìn)化學(xué)習(xí),實(shí)現(xiàn)“越用越聰明”。
北航機(jī)器人研究所名譽(yù)所長(zhǎng)、中關(guān)村智友研究院院長(zhǎng)王田苗在接受澎湃科技采訪時(shí)認(rèn)為,大模型對(duì)人形機(jī)器人的核心貢獻(xiàn)在于實(shí)現(xiàn)類似人類的交互、推理和環(huán)境適應(yīng)能力。然而,目前仍存在理論和技術(shù)挑戰(zhàn)。例如,通用大模型在算法選擇上(是監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí),還是端到端學(xué)習(xí)或者模擬學(xué)習(xí)),這些都是需要探索的。
智元機(jī)器人方表示,大語言模型是數(shù)字世界、單模態(tài)的,而具身智能需要處理多模態(tài)物理世界的數(shù)據(jù),包括圖像、視頻、傳感器數(shù)據(jù)等。大模型對(duì)這些非文本數(shù)據(jù)的理解和處理能力有限,無法滿足具身智能對(duì)多模態(tài)數(shù)據(jù)融合的需求。采用ViLLA架構(gòu)的大模型則更好地滿足了具身智能對(duì)多模態(tài)數(shù)據(jù)融合和物理世界交互的需求。
不過,一位關(guān)注具身智能機(jī)器人基礎(chǔ)場(chǎng)景數(shù)據(jù)和解決方案的從業(yè)人員認(rèn)為,目前具身基座模型的“通用性”仍有待驗(yàn)證,很難給出準(zhǔn)確評(píng)價(jià)。在他看來,智元此次發(fā)布的模型可能主要針對(duì)其自產(chǎn)的機(jī)器人,對(duì)其它機(jī)器人適用程度還需更多從業(yè)者進(jìn)一步驗(yàn)證。
美國(guó)你值得被問5個(gè)問題,王毅對(duì)美國(guó)發(fā)出5問 多國(guó)領(lǐng)導(dǎo)人宣布關(guān)鍵決策,各國(guó)領(lǐng)導(dǎo)人倫敦峰會(huì)宣布支持烏克蘭的四個(gè)步驟 超速,小米車型深夜城區(qū)超速行駛,客服回應(yīng) WTA1000印第安維爾斯站鄭欽文擊敗孫璐璐首次闖入十六強(qiáng)并大幅躍升排名,鄭欽文2-0橫掃對(duì)手,WTA排名再升,僅差60分 印度航空126航班起飛后返航因排水系統(tǒng)堵塞,印度航空一航班因乘客爭(zhēng)用一個(gè)衛(wèi)生間被堵,航班被迫返回印度,已延誤近2小時(shí)。 人形機(jī)器人投資 focus,宇樹科技海外發(fā)展:入阿里跨境平臺(tái) billion補(bǔ)貼平臺(tái) 洛索洛芬凝膠貼膏批文爭(zhēng)搶戰(zhàn)再升級(jí),通過一致性評(píng)價(jià)的企業(yè)再添一家!洛索洛芬鈉凝膠貼膏市場(chǎng)競(jìng)爭(zhēng)加劇,已有多家企業(yè)積極布局代理及國(guó)家級(jí)采購(gòu)后的策略。 智能新勢(shì)力,零跑B10售價(jià)10.98萬起,12萬可配置激光雷達(dá) 庫爾斯克州的戰(zhàn)斗進(jìn)入新階段,俄軍發(fā)起全面進(jìn)攻,烏軍被迫撤退。 對(duì)話與和平的曙光,王毅:烏克蘭沖突沒有贏家,和平也不存在,必然有輸家