Blog

Isang hakbang-hakbang na paglalarawan ng isang human-gated DAgger round sa isang SO-100 arm: patakbuhin ang policy at i-record ito, kumuha ng kontrol kapag nagkamali ito, i-file ang run bilang correction, bumuo ng mixed dataset, at ituloy ang training mula sa isang checkpoint. Kasama rito ang keyboard at slider na takeover path para sa mga walang leader arm, at ang apat na pagkakamali na nagpapawalang-saysay sa isang round.

Ang intervention rate — intervention frames hinati sa frames ng run — ang pinakamurang tapat na progress signal na taglay ng isang human-gated DAgger loop. Dine-define ito ng artikulong ito para magkapareho ang value na kinukuha ng dalawang tao sa pagkalkula, ipinapakita kung paano ito i-log, at sinusuri ang apat na paraan kung paano ito nakapagliligaw sa iyo: operator habituation, isang lumilihis na evaluation setup, pag-train lamang sa mga correction, at isang taong iba ang paraan ng pag-correct tuwing Martes kumpara sa Lunes.

Sa plain DAgger, hinihiling sa isang tao na mag-label ng mga state habang nagmamaneho pa rin ang robot. Sa totoong hardware, mapanganib ito at nagreresulta ito sa mahihinang label. Pinapalitan ng mga gated variant ang bulag na pag-label ng isang gate na dapat may humahawak: ang tao sa HG-DAgger, isang safety classifier sa SafeDAgger, ang hindi pagkakasundo ng isang ensemble sa EnsembleDAgger, isang budgeted novelty-and-risk estimate sa ThriftyDAgger. Inihahambing ng artikulong ito ang mga ito batay sa kung sino ang may hawak ng gate, kung anong signal ang nagbubukas nito, at kung magkano ang gastos ng bawat isa — at kung bakit ang human-gated na anyo ang nakakaligtas sa aktwal na paggamit sa totoong braso (arm).

Ang behavior cloning ay nagsasanay ng policy batay sa state distribution ng expert, pero pagkatapos ay ipinapatakbo ito nang mag-isa. Ang puwang sa pagitan ng dalawang distribution na ito ang dahilan kung bakit ang policy na mukhang maayos sa validation ay bumabagsak sa hapag sa step 300. Ito ang teorya-kapitulo ng aming serye tungkol sa DAgger: saan nanggagaling ang quadratic error term, ano ang binabago ng dataset aggregation, ano ang ipinapalagay ng no-regret proof, at aling bahagi ng bayarin ang kailangan pa ring bayaran ng human expert.

Ang DROID, BridgeData V2 at Open X-Embodiment ay nagko-convert sa 7-D end-effector actions sa 6 at 7-DoF na braso. Ang isang SO-100 ay tumatanggap ng 6 na posisyon ng joint. Ano ang naililipat, ano ang hindi, at ano ang dapat gawin sa halip.

Ang simulation ay maaaring magparami ng ilang demonstrasyon sa libu-libo. Narito ang tunay na sinasabi ng mga nailathalang numero, kung saan nakakasakit ang agwat ng sim-to-real, at kung ano pa ang kailangang i-record.

Inilagay ng TinyVLA at SmolVLA ang isang gumaganang VLA sa ilalim ng 1 B parameter. Mga tunay na numero mula sa parehong papel, ang mga default ng lerobot, sinukat na latency, at kung magkano ang gastos ng isang pagpapatakbo sa isang 24 GB card.

Walang GPU ang iyong robot machine. Ilagay ang GR00T policy server sa isang inupahang cloud GPU, i-stream ang mga action chunk sa braso, at alamin nang eksakto kung magkano ang gastos sa iyo ng network.

Sanayin ang isang Action Chunking Transformer mula sa simula sa isang SO-100 gamit ang lerobot: ang act config, chunk_size at n_action_steps, ang 100000 hakbang na iskedyul, 20 ms inference.

GR00T N1.7, Pi0.5, SmolVLA, ACT o GR00T N1.5? Isang talahanayan ng pagpapasya na tumutugma sa mga totoong sitwasyon, kasama ang mga nailathalang numero ng benchmark, latency, gastos bawat pagpapatakbo at mga lisensya sa likod ng bawat pagpipilian.

Mga tunay na presyo ng GPU sa spot market, gaano katagal tumatakbo ang bawat isa sa limang patakaran, magkano ang gastos ng braso at ng mga demonstrasyon, at ang apat na lugar kung saan tahimik na nawawala ang pera.

Mag-record ng magagamit na LeRobot dataset gamit ang SO-100: kalibrasyon, leader-follower teleoperasyon, ang tunay na lerobot-record flags at defaults, setup ng camera, bilang ng episode, at ang mga depekto na sumisira sa isang pagtakbo.

Ang SmolVLA ay isang 450 M parameter na VLA na maaaring i-fine-tune sa isang solong 24 GB card. Mga totoong lerobot 0.6.1 command, ang aktwal na mga default, ang mga bitag na nagkakahalaga ng isang araw, at kung magkano ang gastos ng isang pagpapatakbo.

I-fine-tune ang Pi0.5, ang flow-matching VLA mula sa Physical Intelligence, sa sarili mong data ng robot. Mga totoong command para sa openpi at lerobot pi05, mga bitag sa format ng dataset, mga limitasyon sa VRAM at latency.

Tuklasin kung paano binabago ng teknik ng flow-matching ng Pi-Zero, kasama ang VLM initialization, ang mga patakaran ng generalist robot para sa mahusay na pagkontrol. Alamin ang tungkol sa mga kalamangan nito sa mga tradisyonal na pamamaraan, kahusayan sa datos ng pagsasanay ng AI para sa robotika, at mga implikasyon para sa nasusukat na pagpapakalat ng robot sa mga industriya.

Tuklasin kung paano binabago ng Isaac Lab ng NVIDIA ang multi-modal robot learning sa pamamagitan ng mga simulation na pinabilis ng GPU, na nagbibigay-daan sa mas mabilis na pagsasanay ng AI, nasusukat na pag-deploy, at na-optimize na ROI para sa mga mananaliksik at kumpanya ng robotics.

Tuklasin kung paano binabago ng Isaac Gym ang pag-aaral ng robot gamit ang GPU-native physics simulation, na nagbibigay-daan sa libu-libong parallel na kapaligiran para sa mabilis na reinforcement learning, pagsasanay ng mga VLA model, at mahusay na AI robot teleoperation. Tuklasin ang mga benchmark, pagsasama sa PyTorch, at mga real-world application na nagdurugtong sa sim-to-real gap.

Tuklasin kung paano nagbibigay ang BridgeData V2 ng low-cost robot data sa scale, na nagpapahusay sa mga imitation learning method at offline reinforcement learning. Tuklasin ang mga pangunahing benchmark, VLA model sa robotics, at mahusay na robot teleoperation workflow para sa AI training data collection.

Tuklasin kung paano binabago ng RT-2 model ng Google DeepMind ang AI robotics sa pamamagitan ng pagbibigay-diin sa kritikal na papel ng de-kalidad na data sa pagsasanay kaysa sa mga advanced na algorithm. Sinasaklaw ng artikulong ito ang mga eksperimento na nagpapakita kung bakit mahalaga ang epektibong pagkolekta ng data para sa pagganap ng robot sa totoong mundo. Alamin kung paano makakatulong ang mga platform tulad ng AY-Robots na punan ang agwat sa data ng pagsasanay para sa mga inobasyon sa hinaharap.

Tuklasin kung paano binabago ng RT-2 Vision-Language-Action (VLA) model ng Google ang pag-aaral ng robot sa pamamagitan ng pagsasama ng visual na datos, natural na wika, at mga real-time na aksyon. Pinahuhusay ng makabagong teknolohiya ng AI na ito ang pagkolekta ng datos para sa mga teleoperator at pinapataas ang kahusayan sa mga aplikasyon ng robotics. Tuklasin ang potensyal na epekto nito sa hinaharap ng mga robot na pinapagana ng AI sa AY-Robots.