協變 RFM-1 與機器人基礎模型
Covariant 的 RFM-1 是一個機器人基礎模型，經過倉庫操作資料的訓練，因此機器手臂可以透過語言和視覺來推理和挑選不熟悉的物體。
深入探討
Covariant 由加州大學柏克萊分校的 Pieter Abbeel、Peter Chen 和 Rocky Duan 等人工智慧研究人員和 OpenAI 根源於 2017 年創立，該公司開發了 Covariant Brain，這是一款為倉庫揀選和分揀機器人手臂提供動力的人工智慧軟體。其傑出產品 RFM-1（機器人基礎模型 1）於 2024 年推出，接受了大量現實世界揀選資料以及文字和圖像的訓練，因此機器人可以處理雜亂的陌生物品箱，甚至回應自然語言指令。該系統不是對每個項目進行編程，而是根據經驗進行概括，就像大型語言模型在文本中進行概括一樣。 2024 年，Covariant 團隊的大部分成員（包括其創始人）透過許可和人才協議被亞馬遜聘用，這標誌著戰略機器人基礎模型的發展。
技術洞察
RFM-1 是一種多模態轉換器，接受文字、圖像、影片、機器人感測器讀數和運動動作的訓練，將它們視為一個序列中的標記。透過預測這些模式中的下一個標記，它可以學習物理因果關係，因此可以在行動之前用語言和推理來提示它抓取將做什麼。這使得單一模型可以控制不同的機器人並掌握新的物體，而無需針對每個項目進行工程設計，這反映了廣泛的預訓練如何產生通用語言能力。
戰略影響
供應商策略
供應商路線圖會影響您的團隊接下來可以建立的功能。
成本與預算
商業條款和部署選項會影響長期成本和風險。
風險與安全
公司激勵措施塑造了產品預設、安全態勢和開放性。
協變 RFM-1 和機器人基礎模型的未來
2024 年亞馬遜的交易將 Covariant 的大部分專業知識整合到了全球最大的倉庫營運商之一，這表明機器人基礎模型將在擁有大量營運數據的公司內部以最快的速度擴展。預計語言、視覺和動作會更緊密地融合，更多機器人接受簡單的英語指令，並與來自Figure、Physical Intelligence 和 Google 的 VLA 模型競爭。懸而未決的問題是，通用機器人模型是否會成為共享基礎設施層，還是保持專有優勢。
現實世界的實施
從雜亂的倉庫箱中挑選各種前所未見的物品用於電子商務訂單
在物流感應線上按目的地對包裹進行分類，無需按項目進行編程
使用自然語言提示告訴機器手臂要抓住什麼或如何處理物品
透過 Covariant Brain 軟體平台為第三方倉庫機器人提供動力
風險與防護欄
發佈公告可能會超過實際生產工作流程的穩定性。
API 定價或政策轉變可能會在一夜之間打破假設。
單一供應商依賴性增加了鎖定和遷移成本。
實施路線圖
使用您自己的任務和資料集評估提供者。
在整合之前查看隱私、安全和法律條款。
維護跨模型或供應商的後備計劃。
監控發行說明，以便路線圖的變更不會讓團隊感到意外。
不斷探索
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
常見問題
What is Covariant RFM-1 and Robotic Foundation Models?
Covariant 的 RFM-1 是一個機器人基礎模型，經過倉庫操作資料的訓練，因此機器手臂可以透過語言和視覺來推理和挑選不熟悉的物體。
2024 年推出的 Covariant 基礎模式的名稱是什麼？
Covariant 推出了 RFM-1，即機器人基礎模型 1，在機器人資料以及文字和影像上進行訓練。
哪家大公司僱用了 Covariant 的大部分團隊並在 2024 年獲得了其技術許可？
亞馬遜在 2024 年的許可和人才安排中聘請了 Covariant 的創始人及其團隊的大部分成員。
RFM-1借鑒大型語言模型的核心思想是什麼？
RFM-1 將文字、圖像、感測器讀數和動作視為標記並預測下一個，像法學碩士一樣學習概括。
機器人基礎模型與傳統倉庫機器人最有差別的功能是什麼？
關鍵優勢在於泛化：從雜亂的垃圾箱中挑選新奇的、看不見的物體，而不需要對每個物品進行預先編程。
Covariant 的著名創辦人有哪些？
Covariant 由 Pieter Abbeel、Peter Chen 和 Rocky Duan 等人工智慧研究人員共同創立，其根源於加州大學柏克萊分校和 OpenAI。