共変 RFM-1 およびロボット基盤モデル
Covariant の RFM-1 は、倉庫操作データに基づいてトレーニングされたロボット工学基盤モデルであり、ロボット アームが言語と視覚を使用して見慣れないオブジェクトを推論して選択できるようになります。
ディープダイブ
カリフォルニア大学バークレー校の Pieter Abbeel、Peter Chen、Rocky Duan を含む AI 研究者によって 2017 年に設立され、OpenAI のルーツである Covariant は、倉庫のピッキングと仕分け用のロボット アームを駆動する AI ソフトウェアである Covariant Brain を構築しました。 2024 年に導入された同社の傑出した製品である RFM-1 (Robotics Foundation Model 1) は、現実世界の膨大なピッキング データとテキストと画像でトレーニングされたため、ロボットは見慣れない品物が入った乱雑な箱を処理し、自然言語の指示にも応答できるようになりました。システムは、各項目をプログラミングするのではなく、大規模な言語モデルがテキスト全体にわたって一般化するように、経験から一般化します。 2024 年、創設者を含む Covariant チームの大部分がライセンスと人材の契約で Amazon に雇用され、ロボット基盤モデルがいかに戦略的になったかを示しました。
技術的な洞察
RFM-1 は、テキスト、画像、ビデオ、ロボット センサーの読み取り値、およびモーター動作を訓練されたマルチモーダル トランスフォーマーであり、それらを 1 つのシーケンス内のトークンとして扱います。これらのモダリティ全体で次のトークンを予測することで、物理的な原因と結果を学習し、行動する前に把握が何を行うかについて言語と理由で促すことができます。これにより、アイテムごとのエンジニアリングを行わずに、単一のモデルでさまざまなロボットを制御し、新しいオブジェクトを把握できるようになり、広範な事前トレーニングが一般的な言語能力を生み出したことを反映しています。
戦略的影響
ベンダー戦略
ベンダーのロードマップは、チームが次に構築できる機能に影響を与えます。
費用と予算
商業条件と導入オプションは、長期的なコストとリスクに影響します。
リスクと安全性
企業のインセンティブは、製品のデフォルト、安全姿勢、オープン性を形成します。
共変 RFM-1 とロボット財団モデルの将来
2024年のアマゾンとの契約では、コバリアントの専門知識の多くが世界最大の倉庫運営会社の1つに組み込まれており、ロボット基盤モデルが膨大な運用データを持つ企業内で最速で拡張されることを示唆している。言語、視覚、および動作のより緊密な融合、平易な英語の指示を受け入れるロボットの増加、および Figure、Physical Intelligence、および Google の VLA モデルとの競合が期待されます。未解決の問題は、ジェネラリストロボットモデルが共有インフラストラクチャ層になるのか、それとも独自の利点を維持するのかということです。
現実世界の実装
電子商取引の注文のために、雑然とした倉庫の箱からさまざまなこれまで見たことのない商品をピッキングする
品目ごとのプログラミングを行わずに、物流誘導ラインで小包を目的地ごとに仕分ける
自然言語プロンプトを使用して、ロボット アームに何を掴むか、またはアイテムをどのように扱うかを指示します
Covariant Brain ソフトウェア プラットフォームを通じてサードパーティの倉庫ロボットに電力を供給
リスクとガードレール
実際の制作ワークフローでは、発売の発表が安定性を上回る可能性があります。
API の価格設定やポリシーの変更により、一夜にして想定が崩れる可能性があります。
単一ベンダーへの依存により、ロックインと移行のコストが増加します。
実装ロードマップ
独自のタスクとデータセットを使用してプロバイダーを評価します。
統合する前に、プライバシー、セキュリティ、法的条件を確認してください。
モデルやベンダー全体でフォールバック計画を維持します。
ロードマップの変更がチームを驚かせないように、リリース ノートを監視します。
探検を続けましょう
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
次のガイド
Liquid AI および Liquid Foundation モデル
よくある質問
What is Covariant RFM-1 and Robotic Foundation Models?
Covariant の RFM-1 は、倉庫操作データに基づいてトレーニングされたロボット工学基盤モデルであり、ロボット アームが言語と視覚を使用して見慣れないオブジェクトを推論して選択できるようになります。
2024 年に導入された Covariant の基礎モデルの名前は何ですか?
Covariant は、ロボット データとテキストと画像でトレーニングされた Robotics Foundation Model 1 である RFM-1 を導入しました。
2024 年に Covariant のチームの多くを雇用し、そのテクノロジーをライセンス供与した大企業はどこですか?
Amazonは、2024年のライセンスと人材の取り決めで、Covariantの創設者とチームの大部分を雇用した。
RFM-1 は大規模な言語モデルからどのような中心的なアイデアを借用していますか?
RFM-1 は、テキスト、画像、センサーの読み取り値、アクションをトークンとして扱い、次のアクションを予測し、LLM のように一般化することを学習します。
ロボット基盤モデルと従来の倉庫ロボットを最も区別する機能はどれですか?
主な利点は一般化です。各項目を事前にプログラムする必要がなく、乱雑な箱から新しいまだ見たことのないオブジェクトを選択できるようになります。
Covariant の著名な創設者には誰がいますか?
Covariant は、カリフォルニア大学バークレー校と OpenAI にルーツを持つ、Pieter Abbeel、Peter Chen、Rocky Duan を含む AI 研究者によって共同設立されました。