Blog

Vaiheittainen kuvaus yhdestä ihmisen hallitsemasta DAgger-kierroksesta SO-100-kädessä: aja politiikka ja tallenna se, ota hallintoon kun jokin menee väärin, tallenna ajo korjaukseksi, koostu sekoitettu aineisto ja jatka koulutusta tarkistuspisteestä. Sisältää näppäimistö- ja liukunappien hallinnan ihmisille ilman johtaja-kättä sekä neljä virhettä, jotka tekevät kierroksesta hyödyttömän.

Intervention rate - interventiokehykset jaettuna kierroksen kehyksillä - on halvin rehellinen edistymisen signaali, joka ihmisen hallinnoimalla DAgger-silmukalla on. Tämä artikkeli määrittelee sen siten, että kaksi ihmistä laskee saman arvon, näyttää kuinka kirjata se, ja käsittelee neljää tapaa, joilla se johtaa sinut harhaan: operaattorin tottumus, ajautuvaa arviointisetuppia, opiskelu pelkästään korjauksista ja ihminen, joka korjaa eri tavalla tiistaina kuin maanantaina.

Tavallinen DAgger pyytää ihmistä merkitsemään tiloja robotti ohjaa silti. Oikealla laitteistolla se on vaarallista ja tuottaa huonoja merkintöjä. Portitetut variantit korvaavat sokean merkitsemisen portilla, jonka joku pitää auki: ihminen HG-DAggerissa, turvaluokittelija SafeDAggerissa, ensemble-eron EnsembleDAggerissa, budjetoitu uutuuden ja riskin arvio ThriftyDAggerissa. Tämä artikkeli vertaa niitä siihen, kuka omistaa portin, mikä signaali avaa sen ja mitä kukin maksaa — ja miksi ihmisen hallitsema muoto on se, joka selviää kosketuksesta todellisen käsivarren kanssa.

Behavior cloning sovittaa policy asiantuntijan tilajakauman pohjalta ja siitä otetaan käyttöön itsenäisesti. Näiden kahden jakauman välinen ero selittää, miksi policy, joka näyttää validoinnissa hyvältä, kaatuu pöydältä pois vaiheessa 300. Tämä on DAgger-sarjamme teoriakappale: mistä neliöllinen virhetermi tulee, mitä dataset aggregation muuttaa, mitä no-regret-todistus olettaa, ja minkä osan laskusta ihmisasiantuntija vielä maksaa.

DROID, BridgeData V2 ja Open X-Embodiment muuntuvat 7-ulotteisiksi tarttujan toimiksi 6 ja 7 vapausasteen varsissa. SO-100 ottaa 6 nivelasentoa. Mikä siirtyy, mikä ei, ja mitä tehdä sen sijaan.

Simulaatio voi moninkertaistaa kourallisen demonstraatioita tuhansiksi. Tässä kerrotaan, mitä julkaistut luvut todella sanovat, missä simulaation ja todellisuuden välinen kuilu iskee, ja mitä on vielä tallennettava.

TinyVLA ja SmolVLA tuovat toimivan VLA:n alle 1 miljardin parametrin. Todelliset luvut molemmista papereista, lerobotin oletusarvot, mitattu viive ja yhden ajon hinta 24 GB:n kortilla.

Robottikoneessasi ei ole GPU:ta. Sijoita GR00T-poliisipalvelin vuokratulle pilvi-GPU:lle, suoratoista toimintalohkoja käteen ja selvitä tarkalleen, mitä verkko sinulle maksaa.

Kouluta Action Chunking Transformer alusta alkaen SO-100:lla lerobotin avulla: act config, chunk_size ja n_action_steps, 100000 askeleen aikataulu, 20 ms päättely.

GR00T N1.7, Pi0.5, SmolVLA, ACT vai GR00T N1.5? Päätöstaulukko, joka on sovitettu todellisiin tilanteisiin, sisältäen julkaistut vertailuarvot, viiveen, ajokohtaiset kustannukset ja lisenssit kunkin valinnan takana.

Todelliset spot-markkinoiden GPU-hinnat, kuinka kauan kukin viidestä politiikasta kestää, mitä robottikäsi ja demonstraatiot maksavat, ja neljä paikkaa, joihin rahat hiljaa katoavat.

Tallenna käyttökelpoinen LeRobot-tietoaineisto SO-100:lla: kalibrointi, johtaja-seuraaja-teleoperaatio, todelliset lerobot-record-liput ja oletusarvot, kameran asennus, jaksojen määrä ja virheet, jotka pilaavat ajon.

SmolVLA on 450 miljoonan parametrin VLA, joka hienosäätyy yhdellä 24 GB:n kortilla. Todelliset lerobot 0.6.1 -komennot, todelliset oletusarvot, päivän maksaneet sudenkuopat ja mitä ajo maksaa.

Hienosäädä Pi0.5, Physical Intelligencen virtaussovitus-VLA, omalla robottidatallasi. Todellisia komentoja openpi:lle ja lerobot pi05:lle, aineiston muotoilun sudenkuopat, VRAM- ja viivelimitit.

Testattu läpikäynti NVIDIA GR00T N1.7:n hienosäätöön SO-100 LeRobot -aineistolla: todelliset liput, modality.json, v2.1-vaatimus, mitä ajo maksaa ja sudenkuopat.

Tutustu siihen, kuinka RoboTurk mullistaa robottien oppimisen ulkoistamalla korkealaatuista dataa etäteleoperaation avulla, mikä mahdollistaa skaalautuvat tietojoukot robotiikan tekoälymalleille. Tutki sen vaikutusta jäljittelyoppimiseen, VLA-malleihin ja sijoitetun pääoman tuottoon robotiikkayrityksille.

Tutustu siihen, kuinka Pi-Zeron virtaussovittelutekniikka yhdistettynä VLM-alustukseen muuttaa yleiskäyttöisiä robottikäytäntöjä taitavaa ohjausta varten. Opi sen eduista perinteisiin menetelmiin verrattuna, tehokkuudesta robotiikan tekoälykoulutusdatassa ja vaikutuksista skaalautuvaan robottien käyttöönottoon teollisuudessa.

Tutustu siihen, miten Isaac Gym mullistaa robottioppimisen GPU-natiivilla fysiikkasimulaatiolla, mikä mahdollistaa tuhansia rinnakkaisia ympäristöjä nopeaa vahvistusoppimista, VLA-mallien koulutusta ja tehokasta tekoälyrobotin teleoperaatiota varten. Tutustu vertailuarvoihin, integrointiin PyTorchin kanssa ja todellisiin sovelluksiin, jotka kuromavat umpeen sim-to-real -kuilun.

Tutustu siihen, kuinka Google DeepMindin RT-2-malli mullistaa tekoälyrobotiikan korostamalla korkealaatuisen koulutusdatan kriittistä roolia kehittyneiden algoritmien sijaan. Tämä artikkeli erittelee kokeet, jotka osoittavat, miksi tehokas tiedonkeruu on välttämätöntä robottien suorituskyvylle tosielämässä. Opi, kuinka AY-Robotsin kaltaiset alustat voivat auttaa kuromaan umpeen koulutusdatan aukkoa tulevia innovaatioita varten.

Tutustu siihen, miten Googlen RT-2 näkö-kieli-toiminto (VLA) -malli muokkaa robottioppimista integroimalla visuaalista dataa, luonnollista kieltä ja reaaliaikaisia toimintoja. Tämä innovatiivinen tekoälyteknologia parantaa teleoperaattoreiden tiedonkeruuta ja tehostaa robotiikkasovelluksia. Tutki sen potentiaalista vaikutusta tekoälyohjattujen robottien tulevaisuuteen AY-Robotsissa.