Covariante RFM-1 e modelli di fondazione robotica
RFM-1 di Covariant è un modello di base della robotica addestrato sui dati di manipolazione del magazzino in modo che i bracci robotici possano ragionare e selezionare oggetti non familiari con linguaggio e visione.
Immersione profonda
Fondata nel 2017 da ricercatori di intelligenza artificiale tra cui Pieter Abbeel, Peter Chen e Rocky Duan della UC Berkeley e OpenAI roots, Covariant ha creato Covariant Brain, un software di intelligenza artificiale che alimenta i bracci robotici per il prelievo e lo smistamento dei magazzini. Il suo prodotto di punta, RFM-1 (Robotics Foundation Model 1), introdotto nel 2024, è stato addestrato su enormi quantità di dati di prelievo del mondo reale oltre a testo e immagini in modo che i robot potessero gestire contenitori disordinati di oggetti non familiari e persino rispondere a istruzioni in linguaggio naturale. Invece di programmare ciascun elemento, il sistema generalizza in base all’esperienza, così come un grande modello linguistico generalizza attraverso il testo. Nel 2024 gran parte del team di Covariant, compresi i suoi fondatori, è stato assunto da Amazon in un accordo di licenza e talento, segnalando quanto fossero diventati strategici i modelli di base dei robot.
Approfondimento tecnico
RFM-1 è un trasformatore multimodale addestrato su testo, immagini, video, letture dei sensori del robot e azioni motorie, trattandoli come token in un'unica sequenza. Predicendo il prossimo token attraverso queste modalità, apprende la causa-effetto fisico, quindi può essere informato con il linguaggio e la ragione su ciò che farà una presa prima di agire. Ciò consente a un singolo modello di controllare diversi robot e di afferrare nuovi oggetti senza ingegneria per articolo, rispecchiando il modo in cui un ampio pre-addestramento ha prodotto abilità linguistiche generali.
Impatto strategico
Strategia del fornitore
Le roadmap dei fornitori influenzano le funzionalità che il tuo team può sviluppare successivamente.
Costo e budget
I termini commerciali e le opzioni di implementazione influiscono sui costi e sui rischi a lungo termine.
Rischio e sicurezza
Gli incentivi aziendali modellano le impostazioni predefinite dei prodotti, la postura di sicurezza e l’apertura.
Il futuro di Covariant RFM-1 e dei modelli di fondazione robotica
L’accordo Amazon del 2024 concentra gran parte dell’esperienza di Covariant in uno dei più grandi operatori di magazzino del mondo, suggerendo che i modelli di fondamenta robotiche si espanderanno più rapidamente all’interno delle aziende con vasti dati operativi. Aspettatevi una fusione più stretta di linguaggio, visione e azione, più robot che accettino istruzioni in inglese semplice e concorrenza con i modelli VLA di Figure, Physical Intelligence e Google. La questione aperta è se i modelli di robot generalisti diventeranno uno strato di infrastruttura condivisa o manterranno vantaggi proprietari.
Implementazione nel mondo reale
Prelievo di articoli vari e mai visti prima da contenitori disordinati di magazzino per ordini e-commerce
Smistamento dei pacchi per destinazione su linee di induzione logistica senza programmazione per articolo
Utilizzo di istruzioni in linguaggio naturale per dire a un braccio robotico cosa afferrare o come maneggiare un oggetto
Alimentazione di robot di magazzino di terze parti tramite la piattaforma software Covariant Brain
Rischi e guardrail
Gli annunci di lancio potrebbero superare la stabilità nei flussi di lavoro di produzione reali.
I prezzi delle API o i cambiamenti politici possono infrangere le ipotesi da un giorno all’altro.
La dipendenza da un unico fornitore aumenta i costi di lock-in e di migrazione.
Tabella di marcia per l'implementazione
Valuta i fornitori utilizzando le tue attività e i tuoi set di dati.
Esamina la privacy, la sicurezza e i termini legali prima dell'integrazione.
Mantenere un piano di riserva tra modelli o fornitori.
Monitora le note di rilascio in modo che le modifiche alla roadmap non sorprendano i team.
Continua a esplorare
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
Prossima guida
Modelli di intelligenza artificiale liquida e fondotinta liquido
Domande frequenti
What is Covariant RFM-1 and Robotic Foundation Models?
RFM-1 di Covariant è un modello di base della robotica addestrato sui dati di manipolazione del magazzino in modo che i bracci robotici possano ragionare e selezionare oggetti non familiari con linguaggio e visione.
Qual era il nome del modello di fondazione di Covariant introdotto nel 2024?
Covariant ha introdotto RFM-1, il Robotics Foundation Model 1, addestrato sui dati del robot più testo e immagini.
Quale grande azienda ha assunto gran parte del team di Covariant e ne ha concesso in licenza la tecnologia nel 2024?
Amazon ha assunto i fondatori di Covariant e gran parte del suo team con un accordo di licenza e talento del 2024.
Quale idea centrale prende in prestito RFM-1 da modelli linguistici di grandi dimensioni?
RFM-1 tratta testo, immagini, letture dei sensori e azioni come token e prevede quello successivo, imparando a generalizzare come un LLM.
Quale funzionalità distingue maggiormente un modello di fondazione robotizzata dai tradizionali robot da magazzino?
Il vantaggio principale è la generalizzazione: raccogliere oggetti nuovi e invisibili da contenitori disordinati invece di aver bisogno di preprogrammare ogni elemento.
Chi erano tra i fondatori più importanti di Covariant?
Covariant è stata co-fondata da ricercatori sull'intelligenza artificiale tra cui Pieter Abbeel, Peter Chen e Rocky Duan, con radici alla UC Berkeley e OpenAI.