Dyna Robotics-ը ներկայացրել է մարդկային տեսանյութերի 1 միլիոն ժամվա վրա ուսուցանված AI մոդել

Dyna Robotics-ը ներկայացրել է DYNA-2-ը՝ ռոբոտատեխնիկական հիմնարար մոդել, որը լիովին ուսուցանվել է մարդու կողմից նկարահանված ավելի քան մեկ միլիոն ժամ տևողությամբ տեսանյութերի վրա։ Ընկերության կարծիքով՝ այս մոտեցումը կարող է հաղթահարել տվյալների այն սահմանափակումը, որը խոչընդոտում էր ընդհանուր նշանակության ռոբոտների զարգացմանը։

Կալիֆոռնիայի Ռեդվուդ Սիթիում գտնվող ստարտափը մոդելը ներկայացրել է կիրակի օրը՝ այն բնութագրելով որպես «համաշխարհային գործողությունների մոդել», որը սովորում է, թե ինչպես են գործողությունները փոխում ֆիզիկական աշխարհը՝ դիտելով մարդկային գործունեությունը, այլ ոչ թե հիմնվելով ռոբոտային սարքավորումներից հավաքագրված հեռակառավարման տվյալների վրա:prnewswire+1

Ինչպես է աշխատում DYNA-2-ը

Մոդելը համատեղում է ուսուցման երկու նպատակ՝ կանխատեսել, թե ինչպիսին պետք է լինի տեսանյութի հաջորդ կադրը և ինչ գործողություն պետք է հաջորդի դրան։ Սա նրան տեղեկատվություն է տալիս տարածական հարաբերությունների, շարժման և այն մասին, թե ինչպես են օբյեկտները արձագանքում շփմանը։ Ի տարբերություն տեսողություն-լեզու-գործողություն մոդելների, որոնք կապում են ռոբոտի տեսածը մարդու հրահանգների հետ, DYNA-2-ը կենտրոնանում է ֆիզիկական տեսարանի փոփոխության կանխատեսման վրա՝ նախքան ռոբոտի հաջորդ շարժումը որոշելը:theaiinsider

«Տարիներ շարունակ ընդհանուր ռոբոտատեխնիկան խեղդվում էր տվյալների սահմանափակման պատճառով. ֆիզիկական հեռակառավարման տվյալների ձեռքով հավաքագրումը պարզապես չի կարող մասշտաբավորվել դեպի ընդհանուր ինտելեկտ», — ասել է համահիմնադիր Ջեյսոն Ման LinkedIn-ի իր գրառման մեջ։ «Գործողությունների տվյալները սակավ են, բայց տեսանյութերը ամենուր են»:linkedin

Dyna-ն նշում է, որ տվյալների բազան ներկայացնում է մոտավորապես 170 տարվա անընդհատ փորձ։ Թեստերում DYNA-2-ը բարձրացրել է առաջադրանքների հաջող կատարման ցուցանիշը բարձր ճշգրտության արտադրության մեջ մոտ 20%-ից 80%–90%-ի՝ միայն նախնական ուսուցման մասշտաբի մեծացման շնորհիվ։ Մեկ փորձի ժամանակ ռոբոտի համար նախատեսված 13 րոպեանոց տվյալները բավարար էին երկու հնգամատանի ռոբոտային ձեռքերին շշի կափարիչը պտտելով բացել սովորեցնելու համար:interestingengineering+1

Մասշտաբավորման օրենք և տեղակայում

Ընկերությունը հայտնել է, որ դիտարկել է այն, ինչ անվանում է «մարմնավորման փոխանցման մասշտաբավորման օրենք». որքան շատ մարդկային տեսանյութ էր ավելացվում նախնական ուսուցմանը, ռոբոտի աշխատանքը կանխատեսելի կերպով բարելավվում էր, նույնիսկ այն սարքավորումների վրա, որոնք մոդելը երբեք չէր տեսել։ Մոդելը փորձարկվել է ստացիոնար ռոբոտային թևերի, հումանոիդ նախատիպերի և ճկուն ռոբոտային ձեռքերի վրա:linkedin+1

Հաճախորդի մոտ իրականացված զրոյական փորձարկման (zero-shot) ժամանակ DYNA-2-ը հասել է որակի 87% անցողիկության՝ նախորդ DYNA-1 մոդելի 46%-ի համեմատ։ Նոր մոդելը նաև կարողացել է վերականգնվել ֆիզիկական խանգարումներից մանիպուլյացիոն առաջադրանքների ժամանակ՝ առանց մարդու միջամտության:theaiinsider+1

Dyna-ն արդեն օգտագործում է իր DYNA-1 մոդելը հյուրանոցներում, ռեստորաններում և լվացքատներում տեղակայված ռոբոտներում։ Ընկերությունը 2025 թվականի մայիսին ներգրավել է 23.5 միլիոն դոլարի սերմնային ներդրում:kddi+1