Blog

Žingsnis po žingsnio ataskaitą iš vieno žmogaus prižiūrėto DAgger raundo ant SO-100 rankos: paleisti strategiją ir įrašyti ją, perimti, kai ji nuklydsta, failą kaip pataisą, suvienybinti mišrų duomenų rinkinį ir tęsti mokymąsi iš kontrolinio taško. Apima klaviatūros ir slankiklių perėmimo kelią žmonėms be vadovaujančios rankos ir keturis klaidus, kurie daro raundą bevertę.

Intervencijos dažnis - intervencijos kadrų skaičius, padalytas iš bėgimo kadrų - yra pigiausias sąžiningas progreso signalas, kurį turi žmogaus valdomas DAgger ciklas. Šiame straipsnyje jis apibrėžiamas taip, kad dvi žmonės apskaičiuotų tą pačią reikšmę, parodytas jo registravimas ir išanalizuoti keturi būdai, kaip jis jus klaidina: operatoriaus įpratimas, pasislinkęs vertinimo nustatymas, mokymas tik pataisymams ir žmogus, kuris antradienį pataisytas kitaip nei pirmadienį.

Paprastas DAgger ragina žmogų žymėti būsenas, kai robotas dar važiuoja. Realioje aparatūroje tai nesaugu ir duoda prastas žymas. Užtverti variantai blind žymėjimą pakeičia vartais, kuriuos turi laikyti kas nors: žmogus HG-DAgger, saugumo klasifikatorius SafeDAgger, ansamblio nesutarimas EnsembleDAgger, biudžetinis naujumo ir rizikos įvertis ThriftyDAgger. Šis straipsnis juos lygina pagal tai, kas valdžia vartus, kokias signalą juos atidaro, ir kokios yra kiekvieno išlaidos — ir kodėl žmogaus užtverta forma yra ta, kuri išlieka realioje rankoje.

Elgesio klonavimas atitinka politiką ekspertų būsenos pasiskirstymui ir tada diegiama savarankiškai. Skirtumas tarp tų dviejų pasiskirstymų yra todėl, kad politika, kuri atrodo gerai validavimo metu, nušoka nuo stalo 300-ame žingsnyje. Tai mūsų DAgger serijos teorija: iš kur atsiranda kvadratinis klaidos terminas, ką keičia duomenų agregacija, ką numano be-žalos įrodymas ir kurią sąskaitą dar turi mokėti žmonių ekspertas.

DROID, BridgeData V2 ir Open X-Embodiment konvertuojami į 7-D galinio efektoriaus veiksmus su 6 ir 7 laisvės laipsnių robotų rankomis. SO-100 naudoja 6 jungčių pozicijas. Kas persikelia, kas ne, ir ką daryti vietoj to.

Simuliacija gali padauginti saujelę demonstracijų į tūkstančius. Štai ką iš tikrųjų sako paskelbti skaičiai, kur kanda simuliacijos-realybės atotrūkis ir ką dar reikia įrašyti.

TinyVLA ir SmolVLA įdiegia veikiantį VLA iki 1 mlrd. parametrų. Tikri skaičiai iš abiejų straipsnių, numatytosios lerobot nuostatos, išmatuota delsa ir kiek kainuoja paleidimas su 24 GB kortele.

Jūsų roboto mašina neturi GPU. Įdiekite GR00T politikos serverį nuomojamame debesies GPU, transliuokite veiksmų blokus į ranką ir sužinokite, kiek tiksliai jums kainuoja tinklas.

Apmokykite Action Chunking Transformer nuo nulio SO-100 su lerobot: act konfigūracija, chunk_size ir n_action_steps, 100000 žingsnių tvarkaraštis, 20 ms išvada.

GR00T N1.7, Pi0.5, SmolVLA, ACT ar GR00T N1.5? Sprendimų lentelė, pritaikyta realioms situacijoms, su paskelbtais etaloniniais skaičiais, vėlavimu, kaina už paleidimą ir licencijomis, susijusiomis su kiekvienu pasirinkimu.

Realių GPU kainų vietoje, kiek laiko veikia kiekviena iš penkių politikų, kiek kainuoja ranka ir demonstracijos, ir keturios vietos, kur pinigai tyliai dingsta.

Įrašykite tinkamą LeRobot duomenų rinkinį su SO-100: kalibravimas, lyderio-sekėjo teleoperacija, tikrosios lerobot-record vėliavėlės ir numatytosios reikšmės, kameros nustatymas, epizodų skaičius ir defektai, kurie sugadina vykdymą.

SmolVLA yra 450 M parametrų VLA, kuris tiksliai derinamas su viena 24 GB plokšte. Tikros lerobot 0.6.1 komandos, tikrosios numatytosios reikšmės, spąstai, kainuojantys dieną, ir kiek kainuoja paleidimas.

Tiksliai suderinkite Pi0.5, srauto atitikimo VLA iš Physical Intelligence, su savo roboto duomenimis. Tikros komandos openpi ir lerobot pi05, duomenų rinkinio formato spąstai, VRAM ir vėlavimo ribos.

Išbandytas vadovas, skirtas tikslinti NVIDIA GR00T N1.7 SO-100 LeRobot duomenų rinkinyje: tikrosios vėliavėlės, modality.json, v2.1 reikalavimas, kiek kainuoja paleidimas ir spąstai.

Atraskite, kaip RoboTurk iš esmės keičia robotų mokymąsi, sutelktiniu būdu gaudamas aukštos kokybės duomenis per nuotolinį televaldymą, įgalindamas masto duomenų rinkinius AI modeliams robotikoje. Išnagrinėkite jo poveikį imitaciniam mokymuisi, VLA modeliams ir investicijų grąžai robotikos įmonėms.

Atraskite, kaip Pi-Zero srautų derinimo technika, kartu su VLM inicializavimu, transformuoja generalistines robotų politikas vikriam valdymui. Sužinokite apie jo pranašumus prieš tradicinius metodus, AI mokymo duomenų efektyvumą robotikoje ir pasekmes mastelio keitimo robotų diegimui pramonėje.

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.

Atraskite, kaip „Google DeepMind“ RT-2 modelis iš esmės keičia AI robotiką, pabrėždamas esminį aukštos kokybės mokymo duomenų vaidmenį, o ne pažangius algoritmus. Šiame straipsnyje išnagrinėjami eksperimentai, įrodantys, kodėl efektyvus duomenų rinkimas yra būtinas norint užtikrinti realaus pasaulio robotų veikimą. Sužinokite, kaip tokios platformos kaip AY-Robots gali padėti sumažinti mokymo duomenų trūkumą būsimoms inovacijoms.

Atraskite, kaip Google RT-2 vaizdo-kalbos-veiksmų (VLA) modelis keičia robotų mokymąsi integruodamas vaizdo duomenis, natūralią kalbą ir realaus laiko veiksmus. Ši novatoriška AI technologija pagerina teleoperatorių duomenų rinkimą ir padidina efektyvumą robotikos srityse. Išnagrinėkite jo potencialų poveikį ateities AI valdomiems robotams AY-Robots platformoje.