Blog

Стъпка по стъпка описание на един човешко управляван DAgger цикъл на SO-100 ръка: запуск на политиката и запис, преемственост при нарушение, подаване като корекция, съставяне на смесен набор от данни и продължаване на обучението от контролна точка. Включва пътя за преемственост чрез клавиатура и пълзачи за хора без лидерска ръка, и четирите грешки, които правят цикъла безполезен.

Intervention rate - intervention frames разделени на frames на хода - е най-евтиния честен сигнал за прогрес, който един human-gated DAgger loop има. Тази статия го определя така, че двама хора да изчислят една и съща стойност, показва как да го логирате и преминава през четирите начина, по които ви подвежда: operator habituation, плаващ evaluation setup, обучение само на corrections и човек, който коригира различно на вторник отколкото на понеделник.

Обикновеният DAgger иска човек да обозначи състояния докато роботът все още вози. На реално хардуер това е небезопасно и произвежда лоши етикети. Вариантите с портал заменят слепото обозначаване с портал, който някой трябва да държи: човекът в HG-DAgger, класификатор за безопасност в SafeDAgger, несъгласие на ансамбъла в EnsembleDAgger, смета за новост и риск в ThriftyDAgger. Тази статия ги сравнява по това кой е собственик на портала, кой сигнал го отваря и какво всеки струва — и защо формата с човешко управление е тази, която оцелява контакт с реален arm.

Behavior cloning вмъква политика на разпределението на състояния на експерта и след това се разгръща на своя собствено. Пролуката между тези два разпределения е причината политика, която изглежда добре при валидация, слиза от масата на стъпка 300. Това е теоретичният раздел на нашата DAgger серия: откъде идва квадратичният член на грешката, какво променя dataset aggregation, какви предположения прави доказателството за no-regret и каква част от сметката все още трябва да плати експертът.

DROID, BridgeData V2 и Open X-Embodiment се преобразуват в 7-D действия на крайния ефектор за 6 и 7-степенни роботизирани ръце. SO-100 приема 6 позиции на ставите. Какво се прехвърля, какво не и какво да се направи вместо това.

Симулацията може да умножи шепа демонстрации в хиляди. Ето какво всъщност казват публикуваните числа, къде се проявява sim-to-real разликата и какво все още трябва да бъде записано.

TinyVLA и SmolVLA поставят работещ VLA под 1 милиард параметри. Реални данни от двете статии, стандартните настройки на lerobot, измерена латентност и колко струва едно изпълнение на 24 GB карта.

Вашата роботизирана машина няма GPU. Поставете GR00T сървъра за политики на нает облачен GPU, предавайте пакети от действия към ръката и разберете точно колко ви струва мрежата.

Обучете Action Chunking Transformer от нулата на SO-100 с lerobot: act config, chunk_size и n_action_steps, график за 100000 стъпки, 20 ms инференция.

GR00T N1.7, Pi0.5, SmolVLA, ACT или GR00T N1.5? Таблица за решения, съобразена с реални ситуации, с публикуваните бенчмарк резултати, латентност, цена на изпълнение и лицензи зад всеки избор.

Реални цени на GPU на спот пазара, колко време работи всяка от петте политики, колко струват ръката и демонстрациите, и четирите места, където парите тихо изчезват.

Запишете използваем LeRobot набор от данни със SO-100: калибриране, телеоперация водач-последовател, реалните флагове и настройки по подразбиране на lerobot-record, настройка на камерата, брой епизоди и дефектите, които провалят изпълнението.

SmolVLA е VLA с 450 M параметъра, което се фино настройва на една 24 GB карта. Реални lerobot 0.6.1 команди, действителните настройки по подразбиране, капаните, които струват един ден, и колко струва едно изпълнение.

Фино настройте Pi0.5, VLA модела с flow-matching от Physical Intelligence, върху собствени данни от робот. Реални команди за openpi и lerobot pi05, капани във формата на набора от данни, ограничения на VRAM и латентността.

Изпробвано ръководство за фино настройване на NVIDIA GR00T N1.7 върху SO-100 LeRobot набор от данни: реални флагове, modality.json, изискването за v2.1, колко струва едно изпълнение и клопките.

Открийте как RoboTurk революционизира роботното обучение чрез краудсорсинг на висококачествени данни чрез дистанционно телеуправление, позволявайки мащабируеми набори от данни за AI модели в роботиката. Разгледайте неговото въздействие върху обучението чрез имитация, VLA моделите и ROI за роботните компании.

Открийте как техниката за съвпадение на потока на Pi-Zero, комбинирана с VLM инициализация, трансформира политиките на роботи генералисти за сръчен контрол. Научете за нейните предимства пред традиционните методи, ефективността в данните за обучение на AI за роботика и последиците за мащабно внедряване на роботи в индустриите.

Explore how Vision-Language-Action (VLA) models are revolutionizing robot learning by integrating vision, language, and action for smarter, more efficient robotics. Discover architectures, training methods, benchmarks, and ROI for deployment in this comprehensive guide.

Открийте как моделът RT-2 на Google DeepMind революционизира AI роботиката, като набляга на критичната роля на висококачествените данни за обучение пред усъвършенстваните алгоритми. Тази статия разглежда експериментите, които демонстрират защо ефективното събиране на данни е от съществено значение за реалната работа на роботите. Научете как платформи като AY-Robots могат да помогнат за преодоляване на пропастта в данните за обучение за бъдещи иновации.

Открийте как моделът за зрение-език-действие (VLA) RT-2 на Google преобразява обучението на роботи чрез интегриране на визуални данни, естествен език и действия в реално време. Тази иновативна AI технология подобрява събирането на данни за телеоператори и повишава ефективността в приложенията на роботиката. Разгледайте потенциалното му въздействие върху бъдещето на AI-управляваните роботи в AY-Robots.