九九热视频精品在线_国产成人mv视频在线观看_国产精品三级一区二区_亚洲精品国产av成拍色拍婷婷_久久伊人一区二区_国产高清精品网站_九九99热久久精品离线6_国产在线一卡2卡三卡4卡免费_日韩美女乱淫aaa高清视频_亚洲大胆_啪啪一级视频_午夜av免费观看_国产高清精品福利私拍国产写真_亚洲婷婷五月综合狠狠_日韩欧美一区二区三区视频_岛国av免费看_精品国产乱码久久久久久久软件_亚洲国产成人精品无码区99_www日本色_免费黄色看片

　　上海人形機(jī)器人再迎重要進(jìn)展。3月10日，智元機(jī)器人發(fā)布智元啟元大模型GO-1（Genie Operator-1），這是全國(guó)首個(gè)通用具身基座大模型，并成功部署到多款機(jī)器人本體。據(jù)悉，GO-1可以利用人類視頻學(xué)習(xí)，還能夠在極少數(shù)據(jù)甚至零樣本下，使機(jī)器人適應(yīng)不同場(chǎng)景和任務(wù)，降低具身模型的使用門(mén)檻。

基于百萬(wàn)級(jí)真機(jī)數(shù)據(jù)構(gòu)建

　　“GO-1大模型基于具身領(lǐng)域的數(shù)字金字塔所構(gòu)建，吸納了人類世界多種維度和類型的數(shù)據(jù)。”智元合伙人、具身業(yè)務(wù)部總裁姚卯青向記者展示了一個(gè)數(shù)字金字塔。

智元展示的數(shù)字金字塔。

　　底層是互聯(lián)網(wǎng)的大規(guī)模純文本與圖文數(shù)據(jù)，可以幫助機(jī)器人理解通用知識(shí)和場(chǎng)景，第二層是大規(guī)模人類操作及跨本體視頻，可以幫助機(jī)器人學(xué)習(xí)人類或者其他本體的動(dòng)作操作模式。第三層是仿真數(shù)據(jù)，用于增強(qiáng)泛化性，讓機(jī)器人適應(yīng)不同場(chǎng)景、物體等。金字塔的頂層，則是高質(zhì)量的真機(jī)示教數(shù)據(jù)，用于訓(xùn)練精準(zhǔn)動(dòng)作執(zhí)行。

　　但是常規(guī)的VLA（視覺(jué)語(yǔ)言動(dòng)作）架構(gòu)，無(wú)法利用大規(guī)模人類及跨本體操作視頻數(shù)據(jù)，缺少了一個(gè)重要的數(shù)據(jù)來(lái)源，導(dǎo)致迭代的成本更高，進(jìn)化的速度更慢。

　　簡(jiǎn)單來(lái)說(shuō)，以往的機(jī)器人都是通過(guò)網(wǎng)絡(luò)的圖文數(shù)據(jù)以及仿真數(shù)據(jù)來(lái)“模仿”人的行為，但沒(méi)有真人“手把手”教機(jī)器人遇到各種情況應(yīng)該怎么做。

　　為解決具身智能的數(shù)據(jù)難題，智元在去年底推出了AgiBot World真機(jī)數(shù)據(jù)集，包含超過(guò)100萬(wàn)條軌跡、涵蓋217個(gè)任務(wù)、涉及五大場(chǎng)景。以此作為基礎(chǔ)，智元在今天發(fā)布通用具身基座大模型GO-1。

智元推出首個(gè)具身通用大模型GO-1。

　　在AgiBot World誕生之前，谷歌也構(gòu)建了一組不同機(jī)器人訓(xùn)練的開(kāi)源數(shù)據(jù)集Open X-Embodiment，但由于大部分?jǐn)?shù)據(jù)缺乏統(tǒng)一標(biāo)準(zhǔn)化的采集流程，質(zhì)量格式參差不齊。

　　相比之下，智元AgiBot World數(shù)據(jù)集從抓取、放置、推、拉等基礎(chǔ)操作，到攪拌、折疊、熨燙等精細(xì)長(zhǎng)程、雙臂協(xié)同復(fù)雜交互，幾乎涵蓋了日常生活所需的絕大多數(shù)動(dòng)作需求。其長(zhǎng)程數(shù)據(jù)規(guī)模高出10倍，場(chǎng)景范圍覆蓋面擴(kuò)大100倍，數(shù)據(jù)質(zhì)量從實(shí)驗(yàn)室級(jí)上升到工業(yè)級(jí)標(biāo)準(zhǔn)。

　　“這些機(jī)器人的動(dòng)作數(shù)據(jù)集看似非常基礎(chǔ)，沒(méi)有什么炫酷的展示，但數(shù)據(jù)精度和涵蓋面算是全球頂級(jí)的。”上海智元機(jī)器人渠道銷售總監(jiān)劉強(qiáng)表示。

平均成功率提高32%

　　有了高質(zhì)量的數(shù)據(jù)保障，更可靠的技術(shù)架構(gòu)也要跟上。

　　為了更好利用這些數(shù)據(jù)，智元提出了全新的ViLLA（視覺(jué)語(yǔ)言隱式動(dòng)作）架構(gòu)，與VLA架構(gòu)相比，能通過(guò)預(yù)測(cè)Latent Action Tokens（隱式動(dòng)作標(biāo)記），彌合圖像—文本輸入與機(jī)器人執(zhí)行動(dòng)作之間的鴻溝，增強(qiáng)機(jī)器人的泛化能力。

　　通過(guò)ViLLA架構(gòu)，智元機(jī)器人在五種不同復(fù)雜度任務(wù)上測(cè)試GO-1，相比已有的最優(yōu)模型，GO-1成功率大幅領(lǐng)先，平均成功率提高了32%。其中，倒水、清理桌面、補(bǔ)充飲料三項(xiàng)任務(wù)表現(xiàn)尤為突出。這也意味著，GO-1在真實(shí)世界的靈巧操作和長(zhǎng)時(shí)任務(wù)方面表現(xiàn)卓越，遠(yuǎn)遠(yuǎn)超過(guò)最先進(jìn)的開(kāi)源具身基座模型。

測(cè)試結(jié)果顯示，GO-1性能全球領(lǐng)先。

　　姚卯青表示，GO-1大模型可以幫機(jī)器人完成全面的“基礎(chǔ)教育”和“職業(yè)教育”，天然能適應(yīng)新的場(chǎng)景，可以輕松面對(duì)多種多樣的環(huán)境和物體，快速學(xué)習(xí)新的操作。

　　他以“掛衣服”為例，模型可以根據(jù)看到的畫(huà)面，理解這句話對(duì)應(yīng)的任務(wù)要求，然后根據(jù)之前訓(xùn)練時(shí)看過(guò)的掛衣服數(shù)據(jù)，設(shè)想這個(gè)過(guò)程包括哪些操作步驟，最后執(zhí)行這一連串的步驟，完成整個(gè)任務(wù)的操作。

　　如果分解來(lái)看，機(jī)器人掛衣服需要分四步走：

　　第一步：機(jī)器人通過(guò)“互聯(lián)網(wǎng)的大規(guī)模純文本和圖文數(shù)據(jù)”學(xué)習(xí)，理解了“掛衣服”這句話在此情此景下的含義和要求；

　　第二步：機(jī)器人學(xué)習(xí)過(guò)人類操作視頻和其他機(jī)器人的各種操作視頻，知道“掛衣服”這件事包含的所有步驟和環(huán)節(jié)；

　　第三步：由于仿真數(shù)據(jù)中包含不同衣服、不同衣柜、不同房間等場(chǎng)景，機(jī)器人在“仿真世界”中模擬出“掛衣服”所有操作，因此能理解每一個(gè)操作環(huán)節(jié)中對(duì)應(yīng)的物體和環(huán)境。

　　第四步：通過(guò)預(yù)先學(xué)習(xí)的真人示教數(shù)據(jù)，機(jī)器人能精準(zhǔn)完成“掛衣服”整個(gè)任務(wù)的操作。

機(jī)器人“大腦”日漸成熟

　　GO-1作為通用具身基座大模型，也就是說(shuō)，這一大模型不再被機(jī)器人的具體型號(hào)、適用場(chǎng)景束縛，而是具備泛化能力，可以支持不同機(jī)器人快速適應(yīng)新任務(wù)和學(xué)習(xí)新技能。

　　姚卯青介紹，GO-1大模型可以結(jié)合互聯(lián)網(wǎng)視頻和真實(shí)人類示范進(jìn)行學(xué)習(xí)，增強(qiáng)模型對(duì)人類行為的理解。通過(guò)強(qiáng)大的泛化能力，GO-1能夠在極少數(shù)據(jù)甚至零樣本下泛化到新場(chǎng)景、新任務(wù)，降低了具身模型的使用門(mén)檻，使得后訓(xùn)練成本非常低。

　　值得一提的是，GO-1大模型還搭配了智元一整套數(shù)據(jù)回流系統(tǒng)，可以從實(shí)際執(zhí)行遇到的問(wèn)題數(shù)據(jù)中持續(xù)進(jìn)化學(xué)習(xí)，越用越聰明。

　　通用大模型與具身智能的結(jié)合，是機(jī)器人邁向AGI（通用人工智能）的必經(jīng)之路，而具身基座大模型也標(biāo)志著機(jī)器人的“大腦”正日漸成熟。

　　事實(shí)上，十幾年前，機(jī)器人就可以“擦桌子”“拉小提琴”，這似乎不是什么新鮮事。但過(guò)去這些機(jī)器人，只是在完成預(yù)設(shè)程序，并不代表機(jī)器人具備自主完成任務(wù)的能力，或者說(shuō)并不真正具備智能。如今，隨著具身智能的不斷演化，聰明的機(jī)器人已完成“從單一任務(wù)到多種任務(wù)”“從封閉環(huán)境到開(kāi)放世界”“從預(yù)設(shè)程序到指令泛化”的三層進(jìn)化。

　　“目前，機(jī)器人能夠在不同場(chǎng)景中執(zhí)行多種任務(wù)，而不需要針對(duì)每個(gè)新任務(wù)重新訓(xùn)練，也不再局限于預(yù)設(shè)程序，能夠理解自然語(yǔ)言指令，并具備一定推理能力。”姚卯青表示，機(jī)器人一旦“聽(tīng)懂人話”，就能在商業(yè)、工業(yè)、家庭等多領(lǐng)域發(fā)揮更大的作用。

（文章來(lái)源：上觀新聞）