Covariant RFM-1 και Robotic Foundation Models
Το RFM-1 της Covariant είναι ένα μοντέλο θεμελίωσης ρομποτικής εκπαιδευμένο σε δεδομένα χειρισμού αποθήκης, ώστε οι βραχίονες ρομπότ να μπορούν να συλλογίζονται και να επιλέγουν άγνωστα αντικείμενα με γλώσσα και όραση.
Βαθιά κατάδυση
Ιδρύθηκε το 2017 από ερευνητές τεχνητής νοημοσύνης, συμπεριλαμβανομένων των Pieter Abbeel, Peter Chen και Rocky Duan από το UC Berkeley και τις ρίζες OpenAI, η Covariant κατασκεύασε το Covariant Brain, λογισμικό AI που τροφοδοτεί ρομποτικούς βραχίονες για συλλογή και ταξινόμηση αποθήκης. Το ξεχωριστό προϊόν της, RFM-1 (Robotics Foundation Model 1), που παρουσιάστηκε το 2024, εκπαιδεύτηκε σε τεράστιες ποσότητες δεδομένων συλλογής πραγματικού κόσμου συν κείμενο και εικόνες, ώστε τα ρομπότ να μπορούν να χειρίζονται ακατάστατους κάδους άγνωστων αντικειμένων και ακόμη και να ανταποκρίνονται σε οδηγίες φυσικής γλώσσας. Αντί να προγραμματίζει κάθε στοιχείο, το σύστημα γενικεύει από την εμπειρία όπως ένα μοντέλο μεγάλης γλώσσας γενικεύει σε όλο το κείμενο. Το 2024 ένα μεγάλο μερίδιο της ομάδας της Covariant, συμπεριλαμβανομένων των ιδρυτών της, προσλήφθηκε από την Amazon σε μια συμφωνία αδειοδότησης και ταλέντων, σηματοδοτώντας πώς είχαν γίνει τα στρατηγικά μοντέλα θεμελίωσης ρομπότ.
Τεχνική διορατικότητα
Ο RFM-1 είναι ένας πολυτροπικός μετασχηματιστής που εκπαιδεύεται σε κείμενο, εικόνες, βίντεο, μετρήσεις αισθητήρων ρομπότ και κινητικές ενέργειες, αντιμετωπίζοντάς τα ως μάρκες σε μία σειρά. Με την πρόβλεψη του επόμενου διακριτικού σε αυτές τις μεθόδους, μαθαίνει τη φυσική αιτία-αποτελέσματα, έτσι μπορεί να του ζητηθεί με γλώσσα και λόγο για το τι θα κάνει μια κατανόηση πριν ενεργήσει. Αυτό επιτρέπει σε ένα μόνο μοντέλο να ελέγχει διαφορετικά ρομπότ και να κατανοεί νέα αντικείμενα χωρίς μηχανική ανά στοιχείο, αντικατοπτρίζοντας τον τρόπο με τον οποίο η ευρεία προεκπαίδευση παρήγαγε τη γενική γλωσσική ικανότητα.
Στρατηγικός αντίκτυπος
Στρατηγική προμηθευτή
Οι χάρτες πορείας προμηθευτών επηρεάζουν τα χαρακτηριστικά που μπορεί να δημιουργήσει η ομάδα σας στη συνέχεια.
Κόστος και προϋπολογισμός
Οι εμπορικοί όροι και οι επιλογές ανάπτυξης επηρεάζουν το μακροπρόθεσμο κόστος και τον κίνδυνο.
Κίνδυνος και ασφάλεια
Τα κίνητρα της εταιρείας διαμορφώνουν τις προεπιλογές προϊόντων, τη στάση ασφαλείας και τη διαφάνεια.
The Future of Covariant RFM-1 and Robotic Foundation Models
Η συμφωνία του 2024 με την Amazon διπλώνει μεγάλο μέρος της τεχνογνωσίας της Covariant σε έναν από τους μεγαλύτερους χειριστές αποθηκών στον κόσμο, υπονοώντας ότι τα μοντέλα ρομποτικής βάσης θα κλιμακωθούν ταχύτερα σε εταιρείες με τεράστια επιχειρησιακά δεδομένα. Περιμένετε πιο στενό συνδυασμό γλώσσας, όρασης και δράσης, περισσότερα ρομπότ που δέχονται απλή αγγλική διδασκαλία και ανταγωνισμό με μοντέλα VLA από το Figure, το Physical Intelligence και το Google. Το ανοιχτό ερώτημα είναι εάν τα γενικά μοντέλα ρομπότ γίνονται ένα κοινό επίπεδο υποδομής ή παραμένουν ιδιόκτητα πλεονεκτήματα.
Υλοποίηση σε πραγματικό κόσμο
Επιλογή ποικίλων, άγνωστων αντικειμένων από ακατάστατους κάδους αποθήκης για παραγγελίες ηλεκτρονικού εμπορίου
Ταξινόμηση δεμάτων κατά προορισμό σε γραμμές επαγωγής logistics χωρίς προγραμματισμό ανά είδος
Η χρήση προτροπών φυσικής γλώσσας για να πει σε έναν βραχίονα ρομπότ τι να πιάσει ή πώς να χειριστεί ένα αντικείμενο
Ενίσχυση ρομπότ αποθήκης τρίτων μέσω της πλατφόρμας λογισμικού Covariant Brain
Κίνδυνοι & προστατευτικά κιγκλιδώματα
Οι ανακοινώσεις κυκλοφορίας ενδέχεται να ξεπεράσουν τη σταθερότητα στις πραγματικές ροές εργασιών παραγωγής.
Η τιμολόγηση API ή οι αλλαγές πολιτικής μπορούν να σπάσουν τις υποθέσεις από τη μια μέρα στην άλλη.
Η εξάρτηση από έναν προμηθευτή αυξάνει το κόστος κλειδώματος και μετεγκατάστασης.
Οδικός Χάρτης Εφαρμογής
Αξιολογήστε τους παρόχους χρησιμοποιώντας τις δικές σας εργασίες και σύνολα δεδομένων.
Ελέγξτε το απόρρητο, την ασφάλεια και τους νομικούς όρους πριν από την ενσωμάτωση.
Διατηρήστε ένα εναλλακτικό σχέδιο σε μοντέλα ή προμηθευτές.
Παρακολουθήστε τις σημειώσεις έκδοσης, ώστε οι αλλαγές στον οδικό χάρτη να μην εκπλήσσουν τις ομάδες.
Συνεχίστε την εξερεύνηση
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Covariant RFM-1 and Robotic Foundation Models quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Επόμενος οδηγός
Μοντέλα Liquid AI και Liquid Foundation
Συχνές ερωτήσεις
What is Covariant RFM-1 and Robotic Foundation Models?
Το RFM-1 της Covariant είναι ένα μοντέλο θεμελίωσης ρομποτικής εκπαιδευμένο σε δεδομένα χειρισμού αποθήκης, ώστε οι βραχίονες ρομπότ να μπορούν να συλλογίζονται και να επιλέγουν άγνωστα αντικείμενα με γλώσσα και όραση.
Πώς ονομαζόταν το μοντέλο θεμελίωσης της Covariant που εισήχθη το 2024;
Η Covariant παρουσίασε το RFM-1, το Robotics Foundation Model 1, εκπαιδευμένο σε δεδομένα ρομπότ συν κείμενο και εικόνες.
Ποια μεγάλη εταιρεία προσέλαβε μεγάλο μέρος της ομάδας της Covariant και αδειοδότησε την τεχνολογία της το 2024;
Η Amazon προσέλαβε τους ιδρυτές της Covariant και ένα μεγάλο μέρος της ομάδας της σε μια συμφωνία αδειοδότησης και ταλέντων το 2024.
Ποια βασική ιδέα δανείζεται το RFM-1 από μεγάλα γλωσσικά μοντέλα;
Το RFM-1 αντιμετωπίζει το κείμενο, τις εικόνες, τις αναγνώσεις αισθητήρων και τις ενέργειες ως διακριτικά και προβλέπει την επόμενη, μαθαίνοντας να γενικεύει σαν LLM.
Ποια ικανότητα διακρίνει περισσότερο ένα μοντέλο θεμελίωσης ρομπότ από τα παραδοσιακά ρομπότ αποθήκης;
Το βασικό πλεονέκτημα είναι η γενίκευση: η επιλογή πρωτότυπων, αόρατων αντικειμένων από ακατάστατους κάδους αντί να χρειάζεται κάθε αντικείμενο προ-προγραμματισμένο.
Ποιοι ήταν μεταξύ των αξιοσημείωτων ιδρυτών της Covariant;
Το Covariant ιδρύθηκε από ερευνητές τεχνητής νοημοσύνης, συμπεριλαμβανομένων των Pieter Abbeel, Peter Chen και Rocky Duan, με ρίζες στο UC Berkeley και OpenAI.