Hagaha AI ee Muuqaalka
Qaababka Ficil-arageedka-Luqadda ee Robotics-ka
Muuqaal-luqad-ficil (VLA) moodeellada waxay ku xakameeyaan ficilada robotka iyadoo ku saleysan aragtida muuqaalka iyo tilmaamaha luqadda.
Dhageyso hagahanAI-waa laga sheekeeyay · ~2 min
Boggaan2 daqiiqo akhri
Dulmar
Maqaallada RT-2, π0, iyo Open X ee la xusay waxay sharxayaan qaab-dhismeedyo iyo qiimeynno kala duwan.
quusid qoto dheer
Moodooyinka aragtida-luqadda-falka waxay ku xiraan ficillada robot-ka kormeerka kamaradda iyo tilmaamaha luuqadda. RT-2 waxay matalaysaa ficillada robot-ka sidii token-yo la kala qaybsan, oo ay ku jiraan isbeddelada booska iyo wareegga qalabka dhamaadka iyo xaaladda qabsashada. DeepMind waxay si wadajir ah u hagaajisay moodel aragti-luqad oo horay loo tababaray iyadoo la adeegsanaya xogta robot-ka iyo xogta webka, ka dibna waxay warbixisay in ka badan 6,000 tijaabo oo qiimeyn robot ah. Tusaalooyinka wareejinta soo baxa waxay khuseeyaan walxaha iyo tilmaamaha la tijaabiyay; ma xaqiijiyaan guudmar shaqo oo aan xad lahayn. Nidaam gooni ah, π0, wuxuu ku daraa khabiir ficil socodka-matching ah oo soo saara qaybo ficil oo joogto ah. Warqaddu waxay sheegaysaa xakameyn ilaa 50 Hz oo loogu talagalay hawlaha xirfadda leh ee la qiimeeyay sida laabista dharka. Open X-Embodiment waxay ururisaa muujinta laga helay 22 nooc oo robot ah si ay u taageerto cilmi-baarista robot-ka is-dhaafsiga. Ballaarinta xogta, matalaadda ficilka iyo wareejinta la muujiyey waa sifooyin kala duwan, mid kastaana wuxuu u baahan yahay qiimeyn habeyn gaar ah.
Dhaqangelinta Adduunka-dhabta ah
Natiijada maqaalka: RT-2 waxay matalaysaa ficilada robotka ee la kala qaybsaday sida tokens loogu talagalay transformer.
Paper result: π0 uses a flow-matching action expert in its reported robot-control setup.
Kheyraadka maqaalka: Open X-Embodiment waxay ururisaa muujinta ka timaada qaabab robot kala duwan.
Tusaale ahaan: qiimee siyaasadda la tababaray oo kaliya walxo cusub oo ku jira habraac tijaabo oo la xakameeyey, ammaan ah.
Mustaqbalka Qaababka Ficil ee Luuqadda-aragtida ee Robotics-ka
Qiimee wareejinta VLA ee qaab-dhismeedka bartilmaameedka, walxaha, iyo setka tilmaamaha. Warbixi robotka, kontoroolka, iyo shuruudaha guusha; natiijooyinka hal tijaabo ma dhisaan hirgelin guud.
Ku dhaqangelinta
Maxay muhiim u tahay
- Xawaaraha iyo miisaanka. Visual AI wuxuu si otomaatig ah u samayn karaa baadhista, ogaanshaha, iyo sumadaynta hawlaha miisaanka.
- Xulashada dhismayaasha. Kooxaha hal-abuurka leh waxay hindise karaan fikradaha si dhakhso leh iyagoo leh dib-u-eegis buugeed yar.
- Kooxda iyo socodka shaqada. Hawlgalladu waxay isticmaali karaan calaamadaha muuqaalka iyo muuqaalka kuwaas oo markii hore adkeyd in la farsameeyo.
Iska ilaali
- Xuquuqda sawirka iyo ogolaanshaha waxay noqon kartaa khataro sharci ah haddii caddayntu aanay caddayn.
- Waxqabadka moodeelku wuu ku kala duwanaan karaa iftiinka, tirakoobka, iyo deegaanka.
- Wanaagga beenta ah waxa laga yaabaa inaan la dareemin ilaa xadka kalsoonida aan la kormeerin.
Tallaabooyinka xiga
- Qeex shuruudaha aqbalida ee saxnaanta, dib u celinta, iyo kharashyada khaladka.
- Ku tijaabi xogta ku habboon xaaladaha wax soo saarka dhabta ah.
- Ku dar dib u eegis bini'aadamka si aad u hesho kalsoonida hoose ama saameeynta sare.
- Lasoco moodeel dhaqaaqa oo dib u cusboonaysii kamarada ama xogta kaydinta ka dib.
Sii wad Sahaminta
Warqad bilaash ah
Hel warbixinta maalinlaha ah ee AI
Saddex sheeko oo la xaqiijiyay oo AI ah maalin kasta oo shaqo ah, oo lagu qoray Ingiriis fudud. Bilaash had iyo jeer, aan xayaysiis lahayn.
Hal iimayl maalin kasta oo shaqo ah. Ka bax hal gujin. Marna ma iibinno ama ma wadaagno ciwaankaaga.
Is tijaabi
Ka qaado imtixaanka Muuqaal-Luqad-Ficil ee Robotyada
Fikrad degdeg ah oo ku saabsan jawaab kasta, iyo shahaado la wadaajin karo oo leh aqoonsi la xaqiijin karo markaad ka gudubto koorso.
Taageer waxbarashada AI bilaashka ah. AI Understanding waa 501(c)(3) aan faa'iido doon ahayn — xayaysiis la'aan, albaab lacag ah ma jiro, had iyo jeer. Samee deeq
Su'aalaha soo noqnoqda
Waa maxay Muuqaal-Luqad-Ficil ee Robotyada?
Muuqaal-luqad-ficil (VLA) moodeellada waxay ku shuruudaan ficillada robotka ku saleysan aragtida muuqaalka iyo tilmaamaha luqadda. Qoraallada RT-2, π0, iyo Open X ee la xusay waxay sharxayaan qaab-dhismeedyo iyo qiimeynno kala duwan.
Waa maxay saddexda nooc ee wax-soo-saarka/wax-soo-saarka ayaa qeexaya qaabka-Hadalka-Luuqadda-Hawlgalka (VLA)?
VLA waxay qaadataa aragti (sawiro) oo lagu daray yoolka luqadda waxayna soo saartaa ficillada (amarada mootada), midaynta aragtida, edbinta-raacida, iyo xakamaynta.
Sidee Google DeepMind's RT-2 u matashay ficillada robot-ka si koronto-bixiye u soo saaro?
RT-2 waxay ku xidhay cabbir kasta oo ficil ah calaamado kala duwan (tusaale, 256 bins) oo waxay u sii daysay sidii xadhig ahaan, taasoo u oggolaanaysa mashiinnada nooca luqadda inay saadaaliyaan falalka sida erayada.
Waa maxay macnaha 'wareejinta degdega ah' marka loo eego macnaha guud ee VLA-yada?
RT-2 waxay isticmaashaa “wareejinta soo baxda” kiisaska la qiimeeyay halkaas oo tababarka hore ee muuqaal-luqad ee web-scale uu ka caawiyay robotka inuu ka jawaabo walxo ama tilmaamo cusub. Tani waa natiijo ku xaddidan maqaalka, ma aha dammaanad ku saabsan walxo ama amarro aan caadi ahayn.
Waa maxay faa'iidada muhiimka ah ee pi-0's faafinta/qulqulka-ku-habboonaanta madaxa ficilka marka la barbar dhigo halbeegga ficilka gaarka ah?
Qoraalka π0 wuxuu soo sheegayaa ficillada joogtada ah ee la qoondeeyey ee khabiirka ficilka ee iswaafajinta qulqulka ee heerka 50 Hz ee nidaamka la qiimeeyay. Tani waa faahfaahin kontorool la sheegay, ma aha dammaanad ku saabsan xirfado ka wanaagsan dhammaan robotka.
Waa maxay sababta xog-ururinta Furan ee X-Embodiment ay muhiim ugu tahay VLA-yada?
Open X-Embodiment waxay isku darsataa muujinta robotka ee dhowr qaab-dhismeed si ay u taageerto cilmi-baarista robotka isdhaafsiga. Kala duwanaanshaha xogta waxay u oggolaaneysaa daraasad; ma dammaanad qaadayo in hal siyaasad ay ku wareejiso dhammaan robotka.
Sii wad waxbarashada
Tilmaamaha la xidhiidha
Tilmaamayaal badan ayaa loo doortay mawduucan