[印度] 印度工人頭戴攝像頭 邊打工邊教機器人搶自己飯碗
機器人的數據困境有多誇張呢？有個數字可以感受壹下。目前機器人領域頭部開源數據集 OpenX-Embodiment，匯聚了全球 22 種不同機器人本體、311 個場景下的 100 萬條操作軌跡。聽起來挺壯觀，但大語言模型的訓練數據動輒萬億 token，和 100 萬放在壹起，差了整整六個數量級。
真機遙操還有另外壹個麻煩，數據和硬件強綁定。
過去大多數操作數據，都是用特定型號的機器人采集的。A 型機械臂的數據，很難直接拿去訓練 B 型機械臂。機械臂的關節結構不同、末端夾爪的形狀不同、攝像頭的位置不同，同樣的"拿起杯子"這個動作，在兩種機器人身上對應的運動軌跡可以完全不壹樣。換壹款硬件，數據就得重新采，等於每次升級硬件，都要回到原點重新開始。
要打破這個僵局，就需要把數據和機器解綁。比如不依賴特定型號的機器人，直接從人身上采集操作數據——無本體數據。
因為人類做“拿起杯子”這個動作，其手部軌跡（位置、姿態）是相對於世界坐標系或自身軀幹的，可以通過運動學映射轉換到不同幾何尺寸和關節配置的機械臂上。數據采壹次，可以反復用在不同硬件上。
更重要的是，這種采集方式成本足夠低，可以輕松覆蓋大量不同的真實場景。研究人員做過測試，同樣數量的數據，分布在 32 個不同環境、每個環境各 50 條，比全部集中在壹個環境的 1600 條，訓練出來的模型泛化能力強得多。
機器人需要見過足夠多"不壹樣的世界"，才能在壹個從沒見過的新場景裡不慌不亂。這也是為啥 Ego 數據方案這麼強調要在真實場景裡采集。不同的工廠、不同的操作台、不同的工人，每壹個細微的差異，對模型來說都是養分。
今年4月，Generalist 發布 GEN-1。這款模型用 50 萬小時人類操作視頻訓練而成，效果相當驚人：在折紙箱、手機裝盒等任務上，平均成功率從 64% 直接拉到 99%，速度也比上壹代提升了叁倍。
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： | 在此頁閱讀全文 |
| 延伸閱讀 | 更多... |
推薦: