Sber kompaniyasi yuqori darajadagi jismoniy haqiqatga ega video materiallar ishlab chiqarish uchun mo'ljallangan Kandinsky WM 1.0 generativ modellarining oilasini e'lon qildi. Ushbu videoroliklar avtonom transport va turli robotlar kabi Physical AI tizimlarini mashq qilish uchun zarurdir.
Tahririyaga yetkazilgan matbuot e'loniga ko'ra, ushbu modellarning kodi va vaznlari MIT litsenziyasi ostida joylashtirilgan, bu ularni ishlab chiquvchilar uchun bepul foydalanish imkonini beradi.
Physical AI tizimlari odamlar, avtomobillar, sanoat uskunalari va boshqa robotlar kabi haqiqiy jismoniy muhit bilan o'zaro aloqaga kirishuvchi aqlli tizimlar sifatida belgilangan. Bunday tizimlarni o'qitish asosini keng ko'lamli video ma'lumotlar to'plamlari tashkil etadi. Biroq, bunday ma'lumotlarni yig'ish ko'pincha qimmat va vaqt talab qiladigan jarayon bo'lib, ba'zi halokatli ssenariylarni, masalan, avariyalar, texnika ishdan chiqishi yoki ekstremal ob-havo hodisalarini haqiqiy sharoitlarda yozib olish imkonsizdir.
Bundan tashqari, robotlarni, masalan, yuk mashinalarini yoki avtonom taksilarni ish jarayonida bevosita qayta o'qitish nafaqat yuqori xarajatni, balki potentsial xavfni ham tug'diradi.
Avvalgi paytlarda Physical AI ni o'qitish uchun neyro tarmoqlar tomonidan yaratilgan videolardan foydalanish ko'plab artefaktlar tufayli qiyinchiliklarga duch kelardi: geometriya buzilishi, perspektiva muammolari va tabiiy bo'lmagan, 'yumshoq' deformatsiyaga ega obyektlarning paydo bo'lishi. Sber ishlab chiquvchilari Denis Dmitrov rahbariyatida bu muammoni hal qilib, jismonan ishonchli videokadrlar yaratish uchun maxsus modellar oilasini yaratdilar.
Yangi modellar Kandinsky 5.0 Video Lite asosida qurilgan, ammo ular robot kameralari, avtonom avtomobillar va sanoat jarayonlari davomida yig'ilgan millionlab video yozuvlarida qo'shimcha o'qitilgan. Ishlab chiqaruvchilarning da'vo qilishicha, bu videolarni yaratishdagi keng tarqalgan xatoliklarni sezilarli darajada kamaytirishga imkon berdi.
Ushbu Kandinsky WM modellariga rahnat bo'lgan holda, jismonan to'g'ri videokliplarni taxminan besh soniya davomiyligida yaratishni o'rgandi. Bu roliklar obyektlar bilan ishlash, yo'l sahnalari yoki ishlab chiqarish sikllarining bosqichlari kabi turli harakatlar va vaziyatlarni namoyish etishi mumkin. Olingan materiallar kompyuter ko'rish tizimlarini va avtonom transport uchun simulyatorlarni o'qitishda foydali.
Avtomobil sahnalarining sifatini oshirish uchun qo'shimcha kuchaytirish orqali o'qitish bosqichi joriy etildi: Kandinsky WM videoni yaratgan, boshqa neyro tarmoqlar esa obyekt shaklini saqlab qolish, sahna geometrik aniqligi va harakatlarning tabiiyligini tekshiruvchi baholovchilar rolini o'ynagan, orqaga aloqa bergan.
Kandinsky WM 1.0 modellar hozirda Kandinsky loyihasining ochiq repozitoriyasida mavjud. Matbuot e'lonida AIRI instituti ushbu modellaridan o'z yo'l simulyatorida foydalanayotgani, Sber robototexnika markazi esa ulardan o'z robotlarini o'qitish uchun foydalanayotgani qayd etilgan.
Materialning boshqa bir qismida Airbus konserni H145 vertolyotining avtonom versiyasi bo'lgan U145 maketini taqdim etgani tilga olinadi. Ushbu modifikatsiyada pilot kabinasi AI boshqaruv tizimi bilan jihozlangan sensorlar to'plami bilan almashtirildi va kabina o'rniga yuklash uchun egiluvchi stolli eshiklar o'rnatildi. Birinchi parvoz 2026-yil oxirida rejalashtirilgan, to'liq ekspluatsiyaga kiritilishi esa keyingi o'n yillik boshida kutilmoqda.



