Sera ya Usambazaji kwa Udhibiti wa Roboti
Sera ya Usambazaji hutumia wazo lile lile la kutoa sauti nyuma ya jenereta za picha kama vile Usambazaji Imara kwa udhibiti wa roboti: badala ya kutabiri kitendo kimoja kinachofuata, hutoa mlolongo mfupi wa vitendo vya siku zijazo kwa kuboresha kelele mara kwa mara.
Muhtasari
It matters because it handles the messy, multi-modal nature of real manipulation far better than older methods.
Dive ya kina
Ilianzishwa mnamo 2023 na watafiti huko Columbia, MIT, na Taasisi ya Utafiti ya Toyota, Sera ya Usambazaji inabadilisha ujifunzaji wa visuomotor kama denoising ya masharti. Kwa kuzingatia picha za hivi majuzi za kamera na hali ya roboti, huanza kutoka kwa kelele nasibu na huendesha hatua kadhaa za kutoa sauti ili kutoa 'sehemu ya hatua' - sema hatua 8 hadi 16 zinazofuata za mkao wa athari. Ushindi mkubwa ni multimodality: wakati kazi ina masuluhisho kadhaa halali (unaweza kunyakua kikombe kutoka kushoto au kulia), urekebishaji wa kitamaduni huwafanya kuwa hatua mbaya ya kati, wakati mfano wa uenezaji unaweza kujitolea kwa hali moja. Pia hujifunza kwa uthabiti kutoka kwa maonyesho ya kibinadamu (kuiga tabia) na hustahimili nafasi za hatua za hali ya juu, na kuifanya chaguo-msingi katika mifumo mingi ya kisasa ya upotoshaji.
Ufahamu wa Kiufundi
Mafunzo huongeza kelele ya Gaussian kwenye mfuatano wa vitendo ulioonyeshwa na hufunza mtandao (mara nyingi ni U-Net au transfoma) kutabiri kelele hiyo, iliyowekwa kwenye uchunguzi wa kuona na uangalifu. Wakati wa kukimbia hutoka kwa sampuli nasibu juu ya hatua chache (DDPM/DDIM) ili kutoa mwelekeo wa kitendo. Kutabiri vipande pamoja na upangaji wa 'receding-horizon' hutoa uthabiti wa muda huku ukisalia tendaji kwa uchunguzi mpya.
Athari za kimkakati
Kasi na kiwango
Visual AI inaweza kufanya ukaguzi, ugunduzi na kazi za kuweka lebo kiotomatiki kwa kiwango.
Tengeneza chaguzi
Timu bunifu zinaweza kuiga dhana kwa haraka zaidi na masahihisho machache ya mikono.
Timu na mtiririko wa kazi
Uendeshaji unaweza kutumia ishara za picha na video ambazo hapo awali zilikuwa ngumu kuchakata.
Mustakabali wa Sera ya Usambazaji kwa Udhibiti wa Roboti
Kazi ni kupunguza idadi ya hatua za kupunguza sauti (kupitia miundo ya uthabiti na kulinganisha mtiririko) ili sera ziendeshe viwango vya juu vya udhibiti kwenye maunzi halisi. Vichwa vya utendakazi wa uenezaji vinafungwa kwenye migongo mikubwa ya lugha ya maono ili kuunda VLA, na vibadala vinavyofahamu 3D na sawia vinaboresha ufanisi wa sampuli. Tarajia udhibiti unaotegemea uenezaji ili ubaki kuwa kiungo kikuu katika 'akili' za roboti za jumla zinazowezesha kazi za ustadi na za mikono miwili.
Utekelezaji wa Ulimwengu Halisi
Mkono wa roboti ukisukuma kizuizi chenye umbo la T kwenye mkao unaolengwa, alama ambayo Sera ya Usambazaji ilifanya vyema zaidi mbinu za awali za kuiga tabia.
Roboti zinazotumia mikono miwili hujifunza kazi nyeti za jikoni kama vile kugeuza-geuza chakula au kuunganisha sehemu kutoka kwa maonyesho ya mawasiliano ya binadamu.
Uteuzi wa mapipa yenye vitu vingi ambapo kuna mishiko mingi halali na sera inajitolea kwa moja badala ya wastani
Moduli ya kichwa-kichwa ndani ya mifumo ya vitendo ya maono-lugha inayozalisha mwendo laini wa masafa ya juu kwa mikono yenye ustadi.
Hatari & Walinzi
Haki za picha na idhini zinaweza kuwa hatari za kisheria ikiwa asili haiko wazi.
Utendaji wa muundo unaweza kutofautiana katika mwangaza, idadi ya watu na mazingira.
Chanya za uwongo zinaweza kutotambuliwa isipokuwa viwango vya uaminifu vifuatiliwe.
Ramani ya Utekelezaji
Bainisha vigezo vya kukubalika vya usahihi, kumbukumbu na gharama za makosa.
Jaribu kwa kutumia data inayolingana na hali halisi ya uzalishaji.
Ongeza ukaguzi wa kibinadamu kwa utabiri wa chini au utabiri wa athari kubwa.
Fuatilia mtindo wa kuteleza na uthibitishe upya baada ya mabadiliko ya kamera au mkusanyiko wa data.
Endelea Kuchunguza
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 Diffusion Policy for Robot Control 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
Mwongozo unaofuata
Stable Diffusion
Maswali yanayoulizwa mara kwa mara
What is Diffusion Policy for Robot Control?
Sera ya Usambazaji hutumia wazo lile lile la kutoa sauti nyuma ya jenereta za picha kama vile Usambazaji Imara kwa udhibiti wa roboti: badala ya kutabiri kitendo kimoja kinachofuata, hutoa mlolongo mfupi wa vitendo vya siku zijazo kwa kuboresha kelele mara kwa mara. Ni muhimu kwa sababu inashughulikia hali ya fujo, ya aina nyingi ya udanganyifu halisi bora zaidi kuliko mbinu za zamani.
Sera ya Usambazaji hutoa nini katika kila hatua ya uamuzi?
Sera ya Usambazaji hutoa sehemu ya hatua - hatua kadhaa za baadaye za vitendo - kwa kutoa sauti, badala ya amri moja iliyotengwa.
Sera ya Usambazaji hukopa kutoka kwa AI ya picha?
Kama mifano ya uenezaji wa picha, huanza kutoka kwa kelele na kutoa sauti mara kwa mara, lakini hapa matokeo ni mwelekeo wa hatua uliowekwa kwenye uchunguzi.
Ni shida gani ya kazi za modi nyingi ambayo Sera ya Usambazaji hutatua bora kuliko urekebishaji rahisi?
Wakati vitendo kadhaa ni halali (k.m., shika kushoto au kulia), urejeshaji huziweka kwa wastani katika chaguo mbaya la kati; uenezaji unaweza kujitolea kwa hali moja.
Wakati wa mafunzo, mtandao katika Sera ya Usambazaji unafunzwa kutabiri nini?
Kelele ya Gaussian huongezwa kwa vitendo vilivyoonyeshwa na mtandao hujifunza kutabiri kelele hiyo (iliyowekwa kwenye uchunguzi), lengo la kawaida la kutoa sauti.
'Receding-horizon' ni nini kupanga upya katika Sera ya Usambazaji?
Sera hii inatabiri sehemu ya vitendo lakini mara kwa mara hupanga upya kwa kutumia uchunguzi mpya, kusawazisha uthabiti wa muda na utendakazi tena.