AI material, tempat robot dan model dasar bertemu, dengan cepat menjadi ruang yang berkembang dengan perusahaan seperti NafidiaDan Google Dan Mati Meluncurkan dan bereksperimen dalam model bahasa besar (LLM) dengan robot.

Sebuah penelitian baru dari Allen for Artificial Intelligence Institute (AI2) bertujuan untuk menantang NVIDIA dan Google dalam AI materi dengan versi Molmoact 7B, model sumber terbuka baru yang memungkinkan robot dengan pikiran di ruang angkasa.

AI2 Molmoact diklasifikasikan sebagai model pemikiran prosedur, karena model dasar menyebabkan prosedur dalam ruang fisik tiga dimensi.

Artinya, Molmoact dapat menggunakan kemampuan berpikirnya untuk memahami dunia material, merencanakan cara menempati ruang dan kemudian mengambil ukuran ini.

“Molmoact memiliki pemikiran tentang kemampuan ruang 3D terhadap model bisnis tradisional (VLA),” AI2, AI2 VentureBeat mengatakan dalam email. “Sebagian besar model robot adalah VLA yang tidak berpikir atau menyebabkan ruang, tetapi Molmoact memiliki kemampuan ini, membuatnya lebih dilakukan dan digeneralisasi dari sudut pandang arsitektur.”

Pemahaman fisik

Karena robot berada di dunia material, AI2 mengklaim bahwa Molmoact membantu robot membuat di sekitarnya dan membuat keputusan yang lebih baik tentang bagaimana berinteraksi dengan mereka.

Perusahaan mengatakan: “Molmoact dapat diterapkan di mana saja mesin perlu memikirkan lingkungan fisiknya,” kata perusahaan itu. “Kami pada dasarnya berpikir tentang lingkungan rumah karena di sinilah tantangan terbesar adalah untuk robot, karena ada hal -hal yang tidak teratur dan terus berubah, tetapi molmoact dapat diterapkan di mana saja.”

Molmoact dapat memahami dunia material dengan mengarahkan “simbol khas untuk persepsi spasial”, yang merupakan simbol redaman yang khas dan mengekstraknya menggunakan vektor vektor otomatis atau model yang mengubah input data, seperti video, menjadi simbol. Perusahaan mengatakan bahwa simbol -simbol ini berbeda dari yang digunakan oleh VLA karena mereka bukan input teks.

Ini memungkinkan Molmoact untuk mendapatkan pemahaman spasial dan struktur rekayasa pengkodean. Dengan ini, model memperkirakan jarak antara organisme.

Setelah memiliki jarak yang diperkirakan, Molmoact kemudian memprediksi serangkaian “ruang foto” atau titik di area di mana Anda dapat menempatkan jalur ke sana. Setelah itu, model akan mulai mengambil prosedur tertentu, seperti menjatuhkan lengan dengan beberapa inci atau peregangan.

Peneliti AI2 mengatakan mereka bisa mendapatkan model untuk beradaptasi dengan model yang berbeda (yaitu, baik lengan mekanik atau robot manusia) “dengan hanya pengaturan minimal.”

Tes pengukuran AI2 menunjukkan bahwa molmoact 7b adalah tingkat keberhasilan 72,1 %, dan model yang dimenangkan dari Google, Microsoft Dan nvidia.

Langkah Kecil Maju

Penelitian AI2 adalah yang terbaru yang mendapat manfaat dari manfaat unik LLMS dan VLM, terutama dengan pertumbuhan inovasi yang berkelanjutan di AI. Para ahli di bidang ini melihat karya AI2 dan perusahaan teknologi lainnya sebagai blok bangunan.

Alan Verne, profesor di Sekolah Tinggi Teknik di Oregon State UniversityMemberitahu VentureBeat bahwa penelitian AI2 “adalah kemajuan alami dalam mempromosikan VLM untuk robot dan pemikiran fisik.”

“Meskipun saya tidak akan menyebutnya sebagai revolusioner, itu adalah langkah maju yang penting dalam mengembangkan model pemikiran fisik 3D lebih mampu,” kata Verne. “Fokus mereka pada pemahaman yang benar -benar pemahaman tentang adegan tiga dimensi, bertentangan dengan ketergantungan pada dua model -dimensi, mewakili perubahan nyata dalam arah yang benar. Mereka telah meningkatkan model sebelumnya, tetapi kriteria ini masih terbatas untuk menangkap kompleksitas dunia nyata dan tetap relatif terkontrol dan disentuh di alam.”

Dia menambahkan bahwa meskipun masih ada ruang untuk perbaikan dalam standar, dia “ingin menguji model baru ini dalam beberapa tugas pemikiran fisik kita.”

Daniel Moorna, co -founder untuk mulai beroperasi Kumpulkan kecerdasan buatanDia memuji keterbukaan data, mencatat bahwa “ini adalah berita bagus karena pengembangan dan pelatihan model -model ini mahal, jadi ini adalah dasar yang kuat untuk membangun di laboratorium akademik lain dan bahkan amatir yang berdedikasi.”

Peningkatan minat pada kecerdasan buatan

Itu adalah mimpi panjang bagi banyak pengembang dan ilmuwan komputer untuk membuat robot yang lebih cerdas, atau setidaknya kesadaran udara.

Namun, membangun robot yang memperlakukan apa yang dapat mereka “lihat” dengan cepat, bergerak dan berinteraksi dengan lancar, menjadi sulit. Sebelum penampilan LLMS, para ilmuwan memiliki simbol dari masing -masing gerakan. Ini berarti, tentu saja, banyak pekerjaan dan lebih sedikit fleksibilitas dalam jenis prosedur otomatis yang dapat terjadi. Sekarang, gaya LLM (atau setidaknya senjata otomatis) memungkinkan untuk menentukan langkah -langkah berikut yang harus diambil berdasarkan objek yang berinteraksi dengan mereka.

Penelitian Google Saycan Ini membantu menyebabkan penyebab tugas menggunakan LLM, memungkinkan robot untuk menentukan urutan gerakan yang diperlukan untuk mencapai tujuan. OK-Robot Meta dan New York University menggunakan model bahasa visual untuk perencanaan gerakan dan pengolahan objek.

Sulaman Robot desktop 299 dolar telah merilis upaya karakter demokratis untuk mengembangkan robot. Nvidia, yang telah mengumumkan kecerdasan buatan material sebagai arah besar berikutnya, telah merilis beberapa model untuk pelatihan efek cepat, termasuk Cosmos-Traransfer1.

OSU mengatakan bahwa ada lebih banyak perhatian pada kecerdasan buatan material, meskipun penawaran eksperimental terbatas. Namun, mengejar kecerdasan materi umum, yang menghilangkan kebutuhan akan pemrograman robot secara individual, telah menjadi lebih mudah.

Dia mengatakan: “Adegan itu lebih sulit sekarang, dengan buah yang kurang ditangguhkan. Di sisi lain, model kecerdasan material besar masih dalam tahap awal dan lebih matang untuk kemajuan cepat, yang membuat ruang ini sangat menarik.”

Visi harian tentang kasus penggunaan bisnis dengan VB setiap hari

Jika Anda ingin membujuk bos Anda di tempat kerja, Anda telah membahas VB setiap hari. Kami memberi Anda prioritas jurnalistik internal atas apa yang dilakukan perusahaan dengan kecerdasan buatan kebidanan, dari transformasi organisasi hingga operasi penerbitan praktis, sehingga Anda dapat berbagi visi pengembalian investasi maksimum.

Baca Kebijakan Privasi Kami

Terima kasih telah berlangganan. Periksa lebih banyak buletin VB di sini.

Terjadi kesalahan.