Blog

Detailný popis jedného ľudmi riadeného DAgger kola na ramene SO-100: spustite politiku a záznam, prevezme ju v prípade chyby, archivujte ako opravu, zložte zmiešaný dataset a pokračujte v tréningu z checkpointu. Obsahuje cestu prevzatia cez klávesnicu a posúvače pre ľudí bez vedúceho ramena a štyri chyby, ktoré robia kolo bezcenným.

Intervention rate – intervenčné rámce vydelené rámcami behu – je najlacnejší čestný signál pokroku, ktorý má ľudmi riadená slučka DAgger. Tento článok ho definuje tak, aby dvaja ľudia vypočítali rovnakú hodnotu, ukazuje, ako ju protokolovať, a prejde štyrmi spôsobmi, ako vás klame: zvyknutie operátora, posúvajúci sa pokus vyhodnocovania, tréning iba na korekcií a človek, ktorý v utorok koriguje inak ako v pondelok.

Prostý DAgger požiada ľudského označovateľa, aby označil stavy, zatiaľ čo robot stále jazdí. Na skutočnom hardvéri je to nebezpečné a produkuje slabé značky. Gated varianty nahradzujú slepe označovanie bránou, ktorú musí niekto držať: ľudský v HG-DAgger, bezpečnostný klasifikátor v SafeDAgger, neshodu ensemblu v EnsembleDAgger, budgetovaný odhad novosti a rizika v ThriftyDAgger. Tento článok ich porovnáva podľa toho, kto vlastní bránu, aký signál ju otvára a čo každý z nich stojí — a prečo je forma ľudských brán tá, ktorá prežije kontakt so skutočným ramenom.

Behavior cloning prispôsobuje politiku distribúcii stavov experta a potom sa nasadí sama. Medzera medzi týmito dvoma distribúciami je dôvod, prečo sa politika, ktorá vyzerá dobre pri validácii, v kroku 300 padne zo stola. Toto je teoretická kapitola našej série DAgger: odkiaľ pochádza kvadratický člen chyby, čo zmení agregácia množín údajov, čo predpokladá dôkaz bez ľútosti a ktorá časť účtu musí stále hradeť ľudský expert.

DROID, BridgeData V2 a Open X-Embodiment sa konvertujú na 7D akcie koncového efektora na 6 a 7-stupňových ramenách. SO-100 prijíma 6 kĺbových pozícií. Čo sa prenáša, čo nie a čo robiť namiesto toho.

Simulácia dokáže znásobiť hŕstku demonštrácií na tisíce. Tu je to, čo skutočne hovoria publikované čísla, kde sa prejavuje medzera sim-to-real a čo je ešte potrebné zaznamenať.

TinyVLA a SmolVLA prinášajú funkčné VLA pod 1 miliardu parametrov. Reálne čísla z oboch článkov, predvolené nastavenia LeRobot, nameraná latencia a náklady na spustenie na 24 GB karte.

Váš robotický stroj nemá GPU. Umiestnite server politík GR00T na prenajaté cloudové GPU, streamujte akčné bloky do ramena a zistite presne, čo vás stojí sieť.

Trénujte Action Chunking Transformer od základov na SO-100 s lerobot: konfigurácia act, chunk_size a n_action_steps, plán 100000 krokov, inferencia 20 ms.

GR00T N1.7, Pi0.5, SmolVLA, ACT alebo GR00T N1.5? Rozhodovacia tabuľka prispôsobená reálnym situáciám, s publikovanými benchmarkovými číslami, latenciou, nákladmi na spustenie a licenciami za každou voľbou.

Skutočné ceny GPU na spotovom trhu, ako dlho beží každá z piatich politík, koľko stojí rameno a demonštrácie, a štyri miesta, kde peniaze potichu miznú.

Nahrajte použiteľný dataset LeRobot s SO-100: kalibrácia, teleoperácia leader-follower, skutočné flagy a predvolené nastavenia lerobot-record, nastavenie kamery, počty epizód a chyby, ktoré zničia beh.

SmolVLA je VLA s 450 miliónmi parametrov, ktoré sa dá doladiť na jednej 24 GB karte. Skutočné príkazy lerobot 0.6.1, skutočné predvolené nastavenia, nástrahy, ktoré vás môžu stáť deň, a čo stojí jeden beh.

Jemne dolaďte Pi0.5, VLA s priraďovaním toku od Physical Intelligence, na vlastných robotických dátach. Skutočné príkazy pre openpi a lerobot pi05, nástrahy formátu dátovej sady, limity VRAM a latencie.

Otestovaný návod na jemné ladenie NVIDIA GR00T N1.7 na datasete LeRobot pre SO-100: skutočné flagy, modality.json, požiadavka v2.1, čo stojí spustenie a nástrahy.

Objavte, ako model videnia, jazyka a akcie RT-2 od spoločnosti Google revolucionalizuje riadenie robotov prenosom webových znalostí do fyzických akcií. Získajte informácie o jeho architektúre, tréningových metódach, vznikajúcich schopnostiach a dôsledkoch pre robotické spoločnosti a operátorov, vrátane integrácie s teleoperáciou pre efektívny tréning AI.

Zistite, ako RoboTurk prináša revolúciu do robotického učenia prostredníctvom crowdsourcingu vysokokvalitných dát prostredníctvom vzdialenej teleoperácie, čo umožňuje škálovateľné dátové sady pre modely AI v robotike. Preskúmajte jeho vplyv na učenie napodobňovaním, modely VLA a návratnosť investícií pre robotické spoločnosti.

Zistite, ako technika flow-matching Pi-Zero, kombinovaná s inicializáciou VLM, transformuje všeobecné robotické politiky pre zručné ovládanie. Získajte informácie o jej výhodách oproti tradičným metódam, efektívnosti v údajoch AI tréningu pre robotiku a dôsledkoch pre škálovateľné nasadenie robotov v priemysle.

Preskúmajte, ako BridgeData V2 poskytuje nízkonákladové robotické dáta v rozsahu, čím zlepšuje metódy imitácie učenia a offline posilňovacie učenie. Objavte kľúčové benchmarky, VLA modely v robotike a efektívne pracovné postupy robotickej teleoperácie pre zber dát na trénovanie AI.

Discover how Pi-Zero's flow-matching technique, combined with VLM initialization, is transforming generalist robot policies for dexterous control. Learn about its advantages over traditional methods, efficiency in AI training data for robotics, and implications for scalable robot deployment in industries.

Objavte, ako model RT-2 od Google DeepMind revolucionalizuje AI robotiku zdôraznením kritickej úlohy vysokokvalitných tréningových dát oproti pokročilým algoritmom. Tento článok rozoberá experimenty, ktoré demonštrujú, prečo je efektívny zber dát nevyhnutný pre výkon robotov v reálnom svete. Zistite, ako platformy ako AY-Robots môžu pomôcť preklenúť medzeru v tréningových dátach pre budúce inovácie.

Zistite, ako model videnia, jazyka a akcie (VLA) RT-2 od spoločnosti Google pretvára robotické učenie integráciou vizuálnych dát, prirodzeného jazyka a akcií v reálnom čase. Táto inovatívna technológia AI zlepšuje zber dát pre teleoperátorov a zvyšuje efektivitu v robotických aplikáciách. Preskúmajte jej potenciálny vplyv na budúcnosť robotov riadených AI na AY-Robots.