Kovariáns RFM-1 és Robotic Foundation modellek
A Covariant RFM-1 egy robotikai alapmodell, amelyet a raktárkezelési adatokra oktattak, így a robotkarok nyelve és látásmódja alapján okoskodhatnak és kiválaszthatják az ismeretlen tárgyakat.
Mély merülés
A 2017-ben mesterséges intelligenciakutatók, köztük Pieter Abbeel, Peter Chen és Rocky Duan (UC Berkeley) és OpenAI gyökerei által alapított Covariant megépítette a Covariant Brain, az AI szoftvert, amely robotkarokat hajt a raktári komissiózáshoz és válogatáshoz. Kiemelkedő termékét, az RFM-1-et (Robotics Foundation Model 1), amelyet 2024-ben mutattak be, hatalmas mennyiségű valós komissiózási adatra, valamint szövegre és képre képezték ki, így a robotok képesek voltak kezelni az ismeretlen tárgyak zűrzavaros tárolóit, és még a természetes nyelvű utasításokra is reagálni tudtak. Ahelyett, hogy minden egyes elemet programozna, a rendszer tapasztalatból általánosít, mint ahogy egy nagy nyelvi modell általánosít a szövegben. 2024-ben a Covariant csapatának nagy részét, beleértve az alapítóit is, az Amazon bérelte fel egy licencelési és tehetséggondozói szerződés keretében, jelezve, hogy a stratégiai robotalapmodellek hogyan váltak.
Technikai betekintés
Az RFM-1 egy multimodális transzformátor, amely szövegekre, képekre, videókra, robot-érzékelők olvasására és motoros műveletekre tanít, és ezeket egy sorozatban tokenként kezeli. Azáltal, hogy megjósolja a következő jelzőt ezeken a módokon, megtanulja a fizikai ok-okozati viszonyokat, így nyelvezetekkel és érvekkel rávilágíthat arra, hogy egy megragadás mit fog tenni, mielőtt cselekszik. Ez lehetővé teszi, hogy egyetlen modell vezéreljen különböző robotokat és új objektumokat ragadjon meg anélkül, hogy egyedi tervezést végezne, tükrözve, hogy a széles körű előképzés milyen általános nyelvi képességeket eredményezett.
Stratégiai hatás
Szállítói stratégia
A szállítói ütemterv befolyásolja, hogy csapata milyen funkciókat építhet fel legközelebb.
Költség és költségvetés
A kereskedelmi feltételek és a telepítési lehetőségek befolyásolják a hosszú távú költségeket és kockázatokat.
Kockázat és biztonság
A vállalati ösztönzők alakítják a termék alapértelmezett beállításait, a biztonsági testtartást és a nyitottságot.
A Kovariáns RFM-1 és a Robotic Foundation modellek jövője
A 2024-es Amazon-ügylet a Covariant szakértelmének nagy részét a világ egyik legnagyobb raktárüzemeltetőjévé teszi, utalva arra, hogy a robotizált alapozási modellek a leggyorsabban skálázódnak a hatalmas működési adatokkal rendelkező vállalatokon belül. Számíthat a nyelv, a látásmód és a cselekvés szorosabb fúziójára, több olyan robotra, amely elfogadja az egyszerű angol oktatást, és versenyezhet a VLA-modellekkel a Figure, Physical Intelligence és a Google. A nyitott kérdés az, hogy az általános robotmodellek megosztott infrastrukturális réteggé válnak-e, vagy továbbra is tulajdonosi előnyök maradnak.
Valós megvalósítás
Változatos, soha nem látott tételek válogatása a zsúfolt raktári ládákból az e-kereskedelmi rendelésekhez
Csomagok rendezése rendeltetési hely szerint a logisztikai indukciós vonalakon, tételenkénti programozás nélkül
Természetes nyelvű felszólítások használata, hogy megmondja a robotkarnak, hogy mit kell megfognia, vagy hogyan kell kezelni egy tárgyat
Harmadik féltől származó raktári robotok működtetése a Covariant Brain szoftverplatformon keresztül
Kockázatok és védőkorlátok
Az indítási bejelentések meghaladhatják a valódi termelési munkafolyamatok stabilitását.
Az API-árazás vagy az irányelvváltások egyik napról a másikra megdönthetik a feltételezéseket.
Az egyszállítótól való függőség növeli a bezárási és migrációs költségeket.
Végrehajtási ütemterv
Értékelje a szolgáltatókat saját feladatai és adatkészletei segítségével.
Az integráció előtt tekintse át az adatvédelmi, biztonsági és jogi feltételeket.
Tartsa fenn a tartalék tervet a modellek vagy szállítók között.
Figyelje a kiadási megjegyzéseket, hogy az ütemterv változásai ne lepjék meg a csapatokat.
Folytassa a felfedezést
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
Következő útmutató
Liquid AI és Liquid Foundation modellek
Gyakran ismételt kérdések
What is Covariant RFM-1 and Robotic Foundation Models?
A Covariant RFM-1 egy robotikai alapmodell, amelyet a raktárkezelési adatokra oktattak, így a robotkarok nyelve és látásmódja alapján okoskodhatnak és kiválaszthatják az ismeretlen tárgyakat.
Mi volt a neve a Covariant 2024-ben bemutatott alapozó modelljének?
A Covariant bemutatta az RFM-1-et, a Robotics Foundation Model 1-et, amely robotadatokra, valamint szövegekre és képekre tanított.
Melyik nagyvállalat vette fel a Covariant csapatának nagy részét, és engedélyezte a technológiát 2024-ben?
Az Amazon felvette a Covariant alapítóit és csapatának nagy részét egy 2024-es licenc- és tehetségmegállapodás keretében.
Milyen alapötletet kölcsönöz az RFM-1 a nagy nyelvi modellekből?
Az RFM-1 tokenként kezeli a szöveget, képeket, szenzorolvasásokat és műveleteket, és előrejelzi a következőt, megtanulva általánosítani, mint egy LLM.
Melyik képesség különbözteti meg leginkább a robotalapozási modellt a hagyományos raktári robotoktól?
A legfontosabb előny az általánosítás: új, láthatatlan tárgyakat szed ki a rendetlen tárolókból, ahelyett, hogy minden egyes elemet előre programozni kellene.
Kik voltak a Covariant nevezetes alapítói?
A Covariant MI-kutatók, köztük Pieter Abbeel, Peter Chen és Rocky Duan társalapítója, a Berkeley Egyetemen és a OpenAI-ban gyökerező kutatók.