Zoellent AI Lab kichik kontroller yordamida robotlarning muzlatilgan siyosatlarini aniqlash uchun GR-SACni chiqardi
Batafsil
Pandaily
pandaily.com

Zoellent AI Lab kichik kontroller yordamida robotlarning muzlatilgan siyosatlarini aniqlash uchun GR-SACni chiqardi

Zoellent AI Lab vizyon, til va harakatlarni birlashtirgan muzlatilgan modelning ishlashini tuzatish uchun moʻljallangan kuchaytirilgan oʻrganishga asoslangan yengil kontroller boʻlgan GR-SACni taqdim etdi. Usul noyabr oyida Xitoyda eʼlon qilingan boʻlib, bu avval shu haftada RoboMME reyting jadvaliga natijalarni topshirish va repozitoriyani joylashtirishdan soʻng amalga oshirildi.

GR-SAC Gated Residual Soft Actor-Critic deb kengaytiriladi. Barcha asosiy modelni qayta oʻqitish oʻrniga, implementatsiya SimpleMemVLA ga 232 110 parametrli vizual aktor qoʻshadi. Asl model kuzatuvlarni talqin qilishda va harakatlar ketma-ketligini yaratishda davom etadi, shu bilan birga kichikroq kontroller manipulyatorning boʻlagi buyruqlariga cheklangan tuzatishlarni oʻrganadi.

Kontroller old va bilak kameralaridan tasvirlarni, robot holatini va kutayotgan harakatlar navbatini tahlil qiladi. Ventilning kiritilishi faqat maʼlum kuzatiladigan shartlar bajarilganda, jumladan nisbatan barqaror maqsadli harakatlar va ushlash buyruqlari mavjud boʻlganda, tuzatishlar kiritish imkonini beradi. Cheklovlar, zaytunlanish va tiklashlar ushbu tuzatishlarning toʻplanishini nazorat qiladi. Bu parametrlarning barcha muhitlarda xavfsiz boʻlmasligini kafolatlamaydigan boshqaruv dizaynidagi yechimlari hisoblanadi.

Taʼkidlangan standart natijalarda muvaffaqiyat foizi 800 ta epizoddan 706 dan 711 gacha oshdi, bu esa 88,250% dan 88,875% gacha oʻsishga mos keladi. Shunga koʻra, muvaffaqiyatsizliklar soni 94 dan 89 gacha kamaydi, bu umumiy muvaffaqiyatning 5,32 foiz punktiga emas, balki ishlamaslikning nisbiy 5,32% ga kamayishi hisoblanadi.

Sinovlar RoboMME ning 16 ta vazifasini qamrab oldi, ularning har biri 50 ta epizoddan iborat edi. InsertPeg vazifasi 46% dan 52% gacha, MoveCube esa 94% dan 100% gacha yaxshilandi. Biroq, barcha vazifalar yaxshilanmagan: standart jadvalda regressiyalar ham qayd etilgan, shuning uchun umumiy natijani barcha manipulyatsiya koʻnikmalari boʻyicha universal oʻsish sifatida qarash mumkin emas.

Zoellent GR-SACni RoboMME ning standart yoʻnalishidagi yetakchi deb taʼriflaydi, bu yerda usullar ochiq modellar asosida baholanadi. Xuddi shunday birlashtirilgan reyting jadvali maxsus, korporativ ilgʻor modellar va inson mezonidan foydalanadigan Agentic kategoriyasini oʻz ichiga oladi. Shu tariqa, standart yoʻnalishdagi oʻrin jami jadvaldagi har qanday yozuv ustunligi bilan teng emas.

Ommaviy repozitoriy texnik hisobotni, standart kontrollerning checkpointini, oʻquv va baholash materiallarini, shuningdek, har bir vazifa boʻyicha natijalarni oʻz ichiga oladi. Kod MIT litsenziyasi ostida; bu asosiy model yoki boshqa bogʻliqliklarning shartlarini avtomatik ravishda bekor qilmaydi. Bildirilgan natijalar ishlab chiquvchilarning standart baholari boʻlib, real ishlab chiqarishda mustaqil qayta tiklangan ishonchlilik sinovi emas.

Oʻxshash hikoyalar

ACE Robotics ACE-CaP-0 ni taqdim etdi: AI agentlari robotlar uchun qayta ishlatiladigan kodni 92,1% muvaffaqiyat bilan yozadi
Batafsil
pandaily.com

ACE Robotics ACE-CaP-0 ni taqdim etdi: AI agentlari robotlar uchun qayta ishlatiladigan kodni 92,1% muvaffaqiyat bilan yozadi

ACE Robotics kompaniyasi, jismoniy sunʼiy intellekt bilan shugʻullanuvchi va SenseTime hamkori Wang Xiaogang boshchiligida, ACE-CaP-0 modelini chiqarib berdi. Ushbu tadqiqot yondashuvi doirasida umumiy AI agenti robotlarni boshqarish dasturlarini yozish, sinovdan oʻtkazish va takomillashtirish bilan shugʻullanadi, soʻngra ular agent ishtiroki boʻlmagan holda avtonom ishlashi mumkin boʻlgan qayta ishlatiladigan koʻnikmalar shaklida saqlanadi.

Maqola 12 noyabrda arXiv da joylashtirildi, kompaniya esa 13 noyabrda ish haqida eʼlon qildi. Bu usul 'Kod siyosatlari sifatida' (Code as Policies) konsepsiyasiga asoslangan boʻlib, u robotning xatti-harakatini har bir bosqichda katta modelni chaqirish oʻrniga ijro etiladigan kod orqali tasvirlaydi. Mualliflar koʻp marta modelni chaqirish robotning ishlashini sekinlashtirishi, ammo tayyor dastur yaratilganda joylashtirilgan mavjud mantiqdan foydalanishini taʼkidlaydilar.

Asosiy qiyinchilik koʻp miqdordagi qimmatbaho jismoniy sinovlar oʻtkazish zarurati boʻlmagan holda ishonchli kodni ishlab chiqishda namoyon boʻladi. ACE-CaP-0 da agent yordam soʻrash zarurligini mustaqil hal qilishga qaror qabul qiladi.

Metodologiya va natijalar

Jamoa tomonidan oʻtkazilgan taqqoslashda eng yaxshi natijalar talab qilingan namoyishlar va tanlab olingan simulyatsiya dan foydalanish birlashmasida erishildi. Muvaffaqiyat koʻrsatkichlari mualliflarning oʻzlari tomonidan oʻtkazilgan testlar natijasida olingan. Haqiqiy sharoitlarda sakkiz vazifa davomida, shu jumladan zaryadlash qurilmasini oʻrnatish, nonni qadoqlash, shishaning qopqogʻini olib tashlash, stakanlarni joylashtirish, gulni qoʻyish va poyabzalni qadoqlash, dasturlashlar 240 urinishdan 221 tasi muvaffaqiyatli bajarildi, bu 92,1% ni tashkil etadi.

Bu vazifalarning yettigʻasining kamida 90% koʻrsatkichi ga erishgani, zaryadlash qurilmasini oʻrnatish vazifasi esa 100% muvaffaqiyatni namoyish etgani kuzatildi. Vazifani bajarishning oʻrtacha vaqti 0,97 dan 2,27 da oʻzgarib turdi. Dasturlar inson yoki kodlash agentining aralashuvisiz, robotning oʻz idrok va boshqaruvi asosida ishlaydi.

Eslatma qilish kerakki, erishilgan natijalar jamoa tomonidan tanlangan ikki manipulyatorli bitta qurilmadan foydalanishga asoslangan va hali mustaqil ravishda takrorlanmagan. ACE Robotics bu ishning ularning umumiy modellarini oʻzining global Kairos modeli bilan birlashtirish rejasiga mos kelishini taʼkidlaydi.

D-Robotics va Infinigence AI ochiq robototexnika vositalarini Sunrise chiplariga integratsiya qildi
Batafsil
pandaily.com

D-Robotics va Infinigence AI ochiq robototexnika vositalarini Sunrise chiplariga integratsiya qildi

D-Robotics va Infinigence AI hamkorlik shartnomasi haqida eʼlon qilishdi, bu shartnoma boʻyicha jismoniy sunʼiy intellekt uchun ochiq kodli vositalar toʻplami D-Roboticsning Sunrise chiplari va uning RoboGo dasturiy platformasi bilan integratsiya qilinadi. Bu ikki kompaniya tomonidan 13-noyabrda eʼlon qilindi.

Baʼzi komponentlar allaqachon birgalikda ishlayotgani maʼlum boʻlib, bu ishlab chiquvchilarga butun ish siklini bajarish imkonini beradi: modellarni oʻqitish, qurilmalarni boshqarish, agentlarni ishga tushirish va ularni robotlarning apparat taʼminotida yagona ish jarayoni doirasida joylashtirish.

Bu ochiq kodli vositalar toʻplami robotlarni ishlab chiqishning toʻrtta bosqichini qamrab oladi. U Tsinghua universiteti va Infinigence AI hamkorligida ishlab chiqilgan.

D-Robotics apparat taʼminoti va platformani taqdim etish uchun javobgar. Uning Sunrise chiplari qurilmalarga kirish va operatsiyalarni bevosita borda amalga oshirish imkonini beradi, shu bilan birga RoboGo muhitni boshqarish, vazifalarni rejalashtirish va ijro vaqtini monitoring qilish bilan shugʻullanadi.

Kompaniyalar bayonotlariga koʻra, integratsiya allaqachon natijalar koʻrsatdi: ishlab chiquvchilar RoboGoʻda oʻquv muhitini tanlashi, periferik uskunalarni masofadan boshqarishi va chaqirishi, shuningdek, modellarni oʻqitish, agentlarni bajarish va uskunadan qaytish orqali sinovdan oʻtkazishni bitta jarayon ichida amalga oshirishi mumkin.

Ushbu eʼlon ikki tomon tomonidan avval namoyish etilgan ishlarni kengaytiradi. Infinigence AI sentabrda optimallashtirilgan Pi0.5 modelidan foydalanib, NVIDIA Jetson Thor uchun APXInf kodi bazasini ochdi, S600 moslashuvi esa mahalliy robot chipini oʻz maqsadli yechimlariga qoʻshdi. D-Robotics avval GigaAI ning GigaBrain-0.7 kabi uchinchi tomon robot modellarini Sunrise S600 bilan birlashtirgan edi.

Hech bir kompaniya birlashtirilgan ish jarayoni uchun samaradorlik koʻrsatkichlarini nashr etmagan va Sunrise modellarining qachon APXInfni qoʻllab-quvvatlashini maʼlum qilmagan.

Ant Groupning Robbyant kompaniyasi robot qoʻllar uchun taktil idrok etish uchun LingBot-Touch modelini ochdi
Batafsil
pandaily.com

Ant Groupning Robbyant kompaniyasi robot qoʻllar uchun taktil idrok etish uchun LingBot-Touch modelini ochdi

Ant Group tarkibiy qismi boʻlgan Robbyant kompaniyasi LingBot-Touch modelini ochiq foydalanish uchun chiqarib berdi. Ushbu taktil fundamental model robot qoʻllarga tegish hissini birlashtirish uchun moʻljallangan.

10-noyabrda eʼlon qilingan model taxminan 5000 soatlik haqiqiy taktil tajriba maʼlumotlari asosida oldindan oʻqitilgan. U sensorika uchta tamoyilini qamrab oladi: magnit, vizual-taktil va piezorezistiv. Model kodi Apache-2.0 litsenziyasi ostida mavjud, Tiny va Small nazorat nuqtalari esa Hugging Face va ModelScope platformalarida joylashgan.

LingBot-Touch hal qiladigan asosiy muammo turli taktil sensorlar tomonidan hosil qilinadigan xom signallarning mos kelmasligidir; bitta sensor turi bilan olingan tegish tajribasi boshqa biriga kamdan-kam hollarda qoʻllaniladi. LingBot-Touch bu muammoni har bir sensor turi uchun oʻzining kirish tokenizatorini taqdim etish orqali hal qiladi, u maʼlumotlarni umumiy Transformerga yuboradi. Model aloqa nuqtalarini barmoq uchining yagona koordinata fazosiga aks ettiradi va turli harakat modellaridan foydalanishi mumkin boʻlgan birlashtirilgan taktil tokenlarni chiqaradi.

Repositoriyda joylashgan maqsadli yondashuv JEPA uslubida tasvirlangan boʻlib, u tegishning fazoviy-vaqtinchalik kontekstidan latent ifodalarni bashorat qiladi. Oʻquv uchun maʼlumotlar inson tomonidan kiyiladigan taktil qoʻlqopchalar va masofadan boshqariladigan chabuk qoʻllardan olingan.

Modelni robototexnik vazifalarda sinovdan oʻtkazish

Robbyant modelni Sharpa Wave va XHand deb nomlangan ikkita chabuk qoʻlda 26 ta haqiqiy robotlar bajaradigan vazifalar doirasida sinovdan oʻtkazdi. Bu vazifalar sahifalarni aylantirish, shishalarning qopqogʻini burish va mahjong plitalarini aniqlashni oʻz ichiga olgan. LingBot-Touch ifodasini toʻrtta harakat modeli — LingBot-VLA, $\pi$0.5, Diffusion Policy va T-Rex ga qoʻshgan holda, oʻrtacha vazifani muvaffaqiyatli bajarish darajasi taktil qayta aloqadan foydalanmaydigan versiyalarga nisbatan taxminan 14–26 foizga oshdi.

T-Rex Sharpa Wave ustida qopqoqlarni burishga urinayotgan holatlardan birida, taktil hodisadan foydalanmasdan muvaffaqiyat 56,25%, faqat sensor signallaridan foydalanganda 62,5% va LingBot-Touch integratsiyasidan soʻng 90% ni tashkil etdi.

Barcha 26 ta sinov Tiny versiyasi bilan oʻtkazildi, u taxminan 5 million parametrga ega va ulangan siyosatlarning hajmini faqat 0,13%–0,16% ga oshiradi. Jamoa eslatadiki, kattaroq Small versiyasi 5000 soatgacha oʻquv maʼlumotlari hajmi oshishi bilan yanada yaxshilanib boradi.

Turli apparat platformalari oʻrtasida bilimlar oʻtkazilishini tekshirish uchun jamoa XHanddagi kodlovchini muzlatdi, uning magnit-sensorli moduli oldingi oʻquv maʼlumotlarida mavjud emas edi, va faqat XHand namunalari asosida harakat modelini oʻrgatdi. Bu holatda magnit aloqa haqidagi bilimlar faqat inson qoʻlqopchalari maʼlumotlaridan olingan.

Robbyant ushbu modelni taktil sensorlar va harakat modellari oʻrtasidagi neytral qatlam sifatida, oʻzining LingBot-VLA komponenti sifatida emas, joylashtiradi. Bu uskuna ishlab chiqaruvchilarga narxga qarab sensorlarni tanlash imkonini beradi, shu bilan birga tizim jamoalari oʻz siyosatlarini saqlab qolishi mumkin.

Barcha taqdim etilgan natijalar Robbyantga tegishli va kompaniya bu maʼlumotlarning mustaqil qayta tiklanishi haqida xabar bermagan. GitHubga joylashtirilgan versiya inferensiya relizi boʻlib, unda muzlatilgan kodlovchi va taktil xususiyatlarni ajratib olish uchun vositalar mavjud.

Mashhur