X Square Robot, базиран в Пекин стартъп с въплътен AI, има HOST с отворен код, рамка за обучение във време на извод, която позволява на хуманоиден робот да гледа кратко демонстрационно видео и да възпроизведе задачата при първия си опит. На 29-секунден клип HOST постига 62 процента успешна задача. За сравнение индустриалният стандарт изисква приблизително 50 експертни демонстрации и четири часа фина настройка, за да се изчистят 38 процента.
Настоящата рецепта за въплътен AI е доминирана от събирането на данни чрез телеоперация. Инженер носи VR слушалки, управлява ръка на робот през задача кадър по кадър, повтаря последователността десетки пъти и извършва контролирана фина настройка за една нощ. Един робот за събиране на данни струва стотици хиляди долари, а една демонстрация може да достигне над сто долара пределни разходи. Фабриките за данни в Индия и работниците на непълен работен ден в китайските окръжни градове се превърнаха в най-евтиния източник на данни за движение, но цената все още не се увеличава.
HOST обръща рецептата. Вместо да иска от робота да имитира човешки стави, HOST моли робота да си представи крайното състояние и да проектира обратно движението. Рамката има два вътрешни модула. Визуален модул наблюдава човешката демонстрация и изобразява сцената така, както би я видял роботът. Модул за действие изчислява общата траектория, която произвежда това изобразяване. Модул за динамично изкривяване на времето за подравняване картографира човешките видеокадри към стъпките на изпълнение на робота, намалявайки грешката при подравняване с приблизително един порядък.
Подходът се корени в когнитивно-научната теория за симулацията, която твърди, че хората научават нови двигателни умения, като репетират мислено желания резултат, преди да опитат действието. Китайският екип е внедрил тази логика в роботизираното обучение и е заменил офлайн фината настройка с обучение в контекст с време за извод. Роботът не се преквалифицира на нови данни; той използва видеото като подкана.
X Square Robot е основан в края на 2023 г. Вече е набрал повече от един милиард юана в осем кръга на финансиране, с Meituan Strategic Investment, Alibaba Cloud, Lenovo Capital и Delian Capital сред поддръжниците. Изданието с отворен код е умишлен залог върху мисленето на разработчиците като път към корпоративни пилоти. Числото от 62 процента е изследователски показател, а не готов за внедряване домашен робот, но връща разговора за това как ще изглеждат тръбопроводите за обучение с вграден AI, след като обучението във времето за изводи стане стандартно.
Source link