Blog

Podrobný popis jednoho kola human-gated DAgger na rameni SO-100: spusťte strategii a zaznamenávejte ji, převezměte ji, když selže, archivujte běh jako opravu, skládejte smíšenou datovou sadu a pokračujte v trénování z checkpointu. Zahrnuje cestu převzetí přes klávesnici a posuvníky pro lidi bez vedoucího ramene a čtyři chyby, které činí kolo zbytečným.

Intervention rate - intervenční snímky dělené snímky běhu - je nejlevnější upřímný signál pokroku, který má lidmi řízená DAgger smyčka. Tento článek jej definuje tak, aby jej dvě osoby vypočítaly stejně, ukazuje, jak jej zaznamenávat, a prochází čtyřmi způsoby, kterými vás svádí: zvyk operátora, drifující nastavení vyhodnocení, trénování pouze na korekcích a člověk, který v úterý opravuje jinak než v pondělí.

Obyčejný DAgger žádá člověka, aby popisoval stavy, zatímco robot ještě řídí. Na reálném hardwaru je to nebezpečné a vede to ke špatným popiskům. Řízené varianty nahrazují slepé popisování bránou, kterou musí někdo držet: člověk u HG-DAgger, bezpečnostní klasifikátor u SafeDAgger, neshoda souboru modelů u EnsembleDAgger, rozpočtovaný odhad novosti a rizika u ThriftyDAgger. Tento článek je porovnává podle toho, komu brána patří, jaký signál ji otevírá a co každá varianta stojí – a proč právě forma řízená člověkem přežije kontakt se skutečným ramenem.

Behavior cloning upravuje politiku na distribuci stavů experta a pak se nasazuje sám. Propast mezi těmito dvěma distribucemi je důvod, proč se politika, která vypadá dobře při validaci, v kroku 300 svalí ze stolu. Toto je teoretická kapitola naší série DAgger: odkud pochází kvadratický chybový člen, co agregace datových sad mění, co zaručuje žádný-regret důkaz a kterou část счету má lidský expert stále zaplatit.

DROID, BridgeData V2 a Open X-Embodiment se převádějí na 7D akce koncového efektoru na 6 a 7-stupňových ramenech. SO-100 přijímá 6 kloubových pozic. Co se přenáší, co ne a co dělat místo toho.

Simulace dokáže znásobit hrstku demonstrací na tisíce. Zde je to, co skutečně říkají publikovaná čísla, kde se projevuje sim-to-real propast a co je stále potřeba zaznamenat.

TinyVLA a SmolVLA umísťují funkční VLA pod 1 miliardu parametrů. Skutečná čísla z obou článků, výchozí nastavení lerobot, naměřená latence a co stojí spuštění na 24 GB kartě.

Váš robotický stroj nemá GPU. Umístěte GR00T policy server na pronajatou cloudovou GPU, streamujte akční bloky do ramene a zjistěte přesně, co vás síť stojí.

Trénujte Action Chunking Transformer od začátku na SO-100 s lerobot: konfigurace act, chunk_size a n_action_steps, plán 100000 kroků, inference 20 ms.

GR00T N1.7, Pi0.5, SmolVLA, ACT nebo GR00T N1.5? Rozhodovací tabulka přizpůsobená reálným situacím, s publikovanými benchmarkovými čísly, latencí, náklady na spuštění a licencemi za každou volbou.

Skutečné ceny GPU na spotovém trhu, jak dlouho běží každá z pěti politik, kolik stojí rameno a demonstrace a čtyři místa, kde peníze tiše mizí.

Nahrajte použitelný dataset LeRobot s SO-100: kalibrace, teleoperace leader-follower, skutečné příznaky a výchozí nastavení lerobot-record, nastavení kamery, počty epizod a vady, které zkazí běh.

SmolVLA je VLA s 450 miliony parametry, které se dolaďuje na jediné 24 GB kartě. Skutečné příkazy lerobot 0.6.1, skutečné výchozí hodnoty, nástrahy, které stály den, a co stojí jeden běh.

Dolaďte Pi0.5, VLA model s párováním toků od Physical Intelligence, na vlastních robotických datech. Skutečné příkazy pro openpi a lerobot pi05, úskalí formátu datové sady, limity VRAM a latence.

Ověřený návod pro dolaďování NVIDIA GR00T N1.7 na SO-100 LeRobot datasetu: skutečné flagy, modality.json, požadavek v2.1, co stojí spuštění a úskalí.

Objevte, jak model vize-jazyka-akce RT-2 od Googlu revolucionalizuje řízení robotů přenosem webových znalostí do fyzických akcí. Seznamte se s jeho architekturou, tréninkovými metodami, emergentními schopnostmi a důsledky pro robotické společnosti a operátory, včetně integrace s teleoperací pro efektivní trénink AI.

Zjistěte, jak RoboTurk přináší revoluci do robotického učení pomocí crowdsourcingu vysoce kvalitních dat prostřednictvím vzdálené teleoperace, což umožňuje škálovatelné datové sady pro modely AI v robotice. Prozkoumejte jeho dopad na učení nápodobou, modely VLA a návratnost investic pro robotické společnosti.

Zjistěte, jak technika flow-matching Pi-Zero, kombinovaná s inicializací VLM, transformuje generalistické robotické politiky pro obratné ovládání. Seznamte se s jejími výhodami oproti tradičním metodám, efektivitou v datech pro trénink AI pro robotiku a dopady na škálovatelné nasazení robotů v průmyslu.

Discover how Isaac Gym revolutionizes robot learning with GPU-native physics simulation, enabling thousands of parallel environments for rapid reinforcement learning, VLA models training, and efficient AI robot teleoperation. Explore benchmarks, integration with PyTorch, and real-world applications that bridge the sim-to-real gap.

Prozkoumejte, jak BridgeData V2 poskytuje nízkonákladová robotická data ve velkém měřítku, čímž zlepšuje metody učení nápodobou a offline posilování. Objevte klíčové benchmarky, modely VLA v robotice a efektivní pracovní postupy robotické teleoperace pro sběr dat pro trénink AI.

Objevte, jak model RT-2 od Google DeepMind přináší revoluci do AI robotiky tím, že zdůrazňuje klíčovou roli vysoce kvalitních trénovacích dat oproti pokročilým algoritmům. Tento článek rozebírá experimenty, které demonstrují, proč je efektivní sběr dat zásadní pro výkon robotů v reálném světě. Zjistěte, jak platformy jako AY-Robots mohou pomoci překlenout mezeru v trénovacích datech pro budoucí inovace.

Zjistěte, jak model vidění, jazyka a akce (VLA) RT-2 od Google přetváří robotické učení integrací vizuálních dat, přirozeného jazyka a akcí v reálném čase. Tato inovativní technologie AI zlepšuje sběr dat pro teleoperátory a zvyšuje efektivitu v robotických aplikacích. Prozkoumejte její potenciální dopad na budoucnost robotů řízených umělou inteligencí na AY-Robots.