వర్చువల్ సిమ్యులేషన్ డేటా Ai2 యొక్క MolmoBot వంటి కార్యక్రమాల ద్వారా కార్పోరేట్ పరిసరాలలో భౌతిక AI అభివృద్ధిని నడిపిస్తోంది.
వాస్తవ ప్రపంచంతో పరస్పర చర్య చేయడానికి హార్డ్వేర్ను సూచించడం చారిత్రాత్మకంగా అత్యంత ఖరీదైన మరియు మానవీయంగా సేకరించిన ప్రదర్శనలపై ఆధారపడింది. టెక్నాలజీ ప్రొవైడర్లు సాధారణ మానిప్యులేషన్ ఏజెంట్లను నిర్మించడం సాధారణంగా ఈ వ్యవస్థలకు ప్రాతిపదికగా విస్తృతమైన వాస్తవ-ప్రపంచ శిక్షణను రూపొందించారు.
కొన్ని సందర్భాల్లో, DROID వంటి ప్రాజెక్ట్లు 13 సంస్థలలో సేకరించిన 76,000 టెలిఆపరేటెడ్ పథాలను కలిగి ఉంటాయి, ఇవి దాదాపు 350 గంటల మానవ ప్రయత్నాన్ని సూచిస్తాయి. Google DeepMind యొక్క RT-1కి మానవ ఆపరేటర్ల ద్వారా 17 నెలల పాటు సేకరించిన 130,000 ఎపిసోడ్లు అవసరం. యాజమాన్య, మాన్యువల్ డేటా సేకరణపై ఈ ఆధారపడటం పరిశోధన బడ్జెట్లను పెంచుతుంది మరియు మంచి వనరులున్న పారిశ్రామిక ప్రయోగశాలల యొక్క చిన్న సమూహంలో సామర్థ్యాలను కేంద్రీకరిస్తుంది.
“మా లక్ష్యం సైన్స్ను అభివృద్ధి చేసే AIని నిర్మించడం మరియు మానవత్వం కనుగొనగలిగే వాటిని విస్తరించడం” అని Ai2 యొక్క CEO అలీ ఫర్హాది అన్నారు. “రోబోటిక్స్ ఒక పునాది శాస్త్రీయ పరికరంగా మారవచ్చు, పరిశోధకులు వేగంగా వెళ్లడానికి మరియు కొత్త ప్రశ్నలను అన్వేషించడంలో సహాయపడుతుంది. అక్కడికి చేరుకోవడానికి, మనకు వాస్తవ ప్రపంచంలో సాధారణీకరించే వ్యవస్థలు మరియు ప్రపంచ పరిశోధన సంఘం కలిసి రూపొందించగల సాధనాలు అవసరం. అనుకరణ నుండి వాస్తవికతకు బదిలీని ప్రదర్శించడం ఆ దిశలో ఒక అర్ధవంతమైన దశ.”
నుండి పరిశోధకులు AI కోసం అలెన్ ఇన్స్టిట్యూట్ (Ai2) MolmoBotతో విభిన్న ఆర్థిక నమూనాను అందిస్తోంది, ఇది పూర్తిగా సింథటిక్ సమాచారంపై శిక్షణ పొందిన ఓపెన్ రోబోటిక్ మానిప్యులేషన్ మోడల్ సూట్. MolmoSpaces అని పిలువబడే ఒక వ్యవస్థలో విధానపరంగా పథాలను రూపొందించడం ద్వారా, బృందం మానవ టెలిఆపరేషన్ అవసరాన్ని దాటవేస్తుంది.
దానితో పాటుగా ఉన్న డేటాసెట్, MolmoBot-Data, 1.8 మిలియన్ నిపుణుల మానిప్యులేషన్ పథాలను కలిగి ఉంది. ఈ సేకరణ MuJoCo ఫిజిక్స్ ఇంజిన్ను అగ్రెసివ్ డొమైన్ రాండమైజేషన్, వివిధ వస్తువులు, దృక్కోణాలు, లైటింగ్ మరియు డైనమిక్లతో కలపడం ద్వారా రూపొందించబడింది.
“చాలా విధానాలు మరింత వాస్తవ-ప్రపంచ డేటాను జోడించడం ద్వారా సిమ్-టు-రియల్ గ్యాప్ను మూసివేయడానికి ప్రయత్నిస్తాయి” అని Ai2 వద్ద PRIOR బృందం డైరెక్టర్ రంజయ్ కృష్ణ అన్నారు. “మేము వ్యతిరేక పందెం తీసుకున్నాము: మీరు అనుకరణ వాతావరణాలు, వస్తువులు మరియు కెమెరా పరిస్థితుల యొక్క వైవిధ్యాన్ని నాటకీయంగా విస్తరించినప్పుడు అంతరం తగ్గిపోతుంది. మా తాజా పురోగతి రోబోటిక్స్లో మాన్యువల్ ప్రదర్శనలను సేకరించడం నుండి మెరుగైన వర్చువల్ ప్రపంచాల రూపకల్పనకు అడ్డంకిని మారుస్తుంది మరియు ఇది మేము పరిష్కరించగల సమస్య.”
భౌతిక AI కోసం వర్చువల్ సిమ్యులేషన్ డేటాను రూపొందిస్తోంది
100 Nvidia A100 GPUలను ఉపయోగించి, పైప్లైన్ GPU-గంటకు దాదాపు 1,024 ఎపిసోడ్లను సృష్టించింది, ఇది వాల్-క్లాక్ సమయానికి ప్రతి గంటకు 130 గంటల రోబోట్ అనుభవానికి సమానం.
వాస్తవ ప్రపంచ డేటా సేకరణతో పోలిస్తే, ఇది దాదాపు నాలుగు రెట్లు డేటా నిర్గమాంశను సూచిస్తుంది, విస్తరణ చక్రాలను వేగవంతం చేయడం ద్వారా పెట్టుబడిపై ప్రాజెక్ట్ రాబడిని నేరుగా ప్రభావితం చేస్తుంది.
MolmoBot సూట్లో రెండు ప్లాట్ఫారమ్లలో మూల్యాంకనం చేయబడిన మూడు విభిన్న పాలసీ తరగతులు ఉన్నాయి: రెయిన్బో రోబోటిక్స్ RB-Y1 మొబైల్ మానిప్యులేటర్ మరియు Franka FR3 టేబుల్టాప్ ఆర్మ్. Molmo2 విజన్-లాంగ్వేజ్ బ్యాక్బోన్పై నిర్మించిన ప్రాథమిక నమూనా, చర్యలను నిర్దేశించడానికి RGB పరిశీలనలు మరియు భాషా సూచనల యొక్క బహుళ సమయ దశలను ప్రాసెస్ చేస్తుంది.
Ai2 యొక్క MolmoBotతో హార్డ్వేర్ సౌలభ్యం
కోసం అంచు కంప్యూటింగ్ వనరులు పరిమితం చేయబడిన పరిసరాలలో, పరిశోధకులు తక్కువ పారామితులతో తేలికపాటి ట్రాన్స్ఫార్మర్ పాలసీ అయిన MolmoBot-SPOCని అందిస్తారు. MolmoBot-Pi0 ఫిజికల్ ఇంటెలిజెన్స్ యొక్క π0 మోడల్ ఆర్కిటెక్చర్తో సరిపోలడానికి పాలిజెమ్మా బ్యాక్బోన్ను ఉపయోగిస్తుంది, ఇది ప్రత్యక్ష పనితీరు పోలికలను అనుమతిస్తుంది.
భౌతిక పరీక్ష సమయంలో, ఈ విధానాలు ఎటువంటి ఫైన్-ట్యూనింగ్ లేకుండా కనిపించని వస్తువులు మరియు పరిసరాలతో కూడిన వాస్తవ-ప్రపంచ పనులకు జీరో-షాట్ బదిలీని ప్రదర్శించాయి.
టేబుల్టాప్ పిక్-అండ్-ప్లేస్ మూల్యాంకనాల్లో, ప్రైమరీ MolmoBot మోడల్ 79.2 శాతం విజయవంతమైన రేటును సాధించింది. ఇది π0.5ను అధిగమించింది, ఇది విస్తృతమైన వాస్తవ-ప్రపంచ ప్రదర్శన డేటాపై శిక్షణ పొందిన మోడల్, ఇది 39.2 శాతం విజయవంతమైన రేటును సాధించింది. మొబైల్ మానిప్యులేషన్ కోసం, విధానాలు తమ పూర్తి స్థాయి కదలికల ద్వారా చేరుకోవడం, గ్రహించడం మరియు తలుపులు లాగడం వంటి పనులను విజయవంతంగా అమలు చేశాయి.
ఈ వైవిధ్యమైన నిర్మాణాలను అందించడం వలన సంస్థలు ఒకే యాజమాన్య విక్రేత పర్యావరణ వ్యవస్థ లేదా విస్తృతమైన డేటా సేకరణ అవస్థాపనలో లాక్ చేయబడకుండా సామర్థ్యం గల భౌతిక AI వ్యవస్థలను ఏకీకృతం చేయడానికి అనుమతిస్తుంది.
శిక్షణ డేటా, జనరేషన్ పైప్లైన్లు మరియు మోడల్ ఆర్కిటెక్చర్లతో సహా మొత్తం MolmoBot స్టాక్ యొక్క బహిరంగ విడుదల – అంతర్గత ఆడిటింగ్ మరియు అనుసరణను అనుమతిస్తుంది. భౌతిక AIని అన్వేషించే ఎవరైనా వ్యయాలను నియంత్రించేటప్పుడు అనుకరణ మరియు సామర్థ్యం గల సిస్టమ్లను నిర్మించడం కోసం ఈ ఓపెన్ టూల్స్ను ఉపయోగించుకోవచ్చు.
“AI నిజంగా సైన్స్ను అభివృద్ధి చేయడానికి, పురోగతి క్లోజ్డ్ డేటా లేదా ఐసోలేటెడ్ సిస్టమ్లపై ఆధారపడదు” అని Ai2 యొక్క CEO అలీ ఫర్హాది కొనసాగిస్తున్నారు. “దీనికి భాగస్వామ్య అవస్థాపన అవసరం, దీని కోసం ప్రతిచోటా పరిశోధకులు కలిసి నిర్మించవచ్చు, పరీక్షించవచ్చు మరియు మెరుగుపరచవచ్చు. ఈ విధంగా భౌతిక AI ముందుకు సాగుతుందని మేము నమ్ముతున్నాము.”
ఇవి కూడా చూడండి: ప్రమాదకరమైన వాతావరణాల కోసం స్మార్ట్ రోబోట్లను అందించడానికి కొత్త భాగస్వామ్యం
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర కార్యక్రమం ఇందులో భాగమే టెక్ఎక్స్ మరియు సహా ఇతర ప్రముఖ సాంకేతిక ఈవెంట్లతో కలిసి ఉంది సైబర్ సెక్యూరిటీ & క్లౌడ్ ఎక్స్పో. క్లిక్ చేయండి ఇక్కడ మరింత సమాచారం కోసం.
AI వార్తలు ఆధారితం టెక్ఫోర్జ్ మీడియా. రాబోయే ఇతర ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
