News

00:00
Со страниц China Science Daily
Со страниц China Science Daily
...
News
11:14, 8 Apr

Американская компания Generalist выпустила новое поколение воплощенных моделей

Модель GEN-1 демонстрирует прорыв в стабильности и скорости выполнения физических задач, достигая 99% успеха, при этом требуя значительно меньше данных для обучения

news.sciencenet.cn

Short Summary

Американская компания Generalist AI представила модель GEN-1, которая повысила средний успех выполнения простых физических задач с 64% до 99%. Эта разработка рассматривается как новый этап в масштабировании обучения роботов, демонстрируя способности, близкие к «овладению задачей».

Ключевыми улучшениями стали скорость и метод обучения. GEN-1 выполняет задачи, такие как сборка коробки, в 2-3 раза быстрее предыдущих моделей. Прорыв заключается в использовании для предварительного обучения недорогих данных о человеческой активности, собранных с помощью носимых устройств, что резко снижает зависимость от дорогих данных с дистанционного управления роботами. Это позволяет модели адаптироваться к новым задачам и роботам с минимальными затратами.

Высокая стабильность GEN-1 в различных условиях открывает путь к коммерческому развёртыванию без сложных системных доработок. Хотя модель ещё не достигла 99% успеха во всех задачах, компания ожидает, что следующие поколения решат более сложные задачи, а объём данных, необходимых для обучения отдельным задачам, будет продолжать снижаться, что сделает робототехнику более доступной.

Key Takeaways
Революционная надёжность

Модель GEN-1 повысила среднюю успешность выполнения физических задач до 99%, что является качественным скачком по сравнению с предыдущими 64%

Скорость выполнения

GEN-1 демонстрирует значительное превосходство в скорости, например, собирая коробку за 12.1 секунду против 34 секунд у предыдущей лучшей модели

Инновационный подход к данным

Основной прорыв — использование для предобучения дешёвых данных о человеческой активности, что резко снижает потребность в дорогих данных с дистанционного управления роботами

Снижение затрат на развёртывание

Модель способна адаптироваться к новым задачам и роботам, используя примерно в 10 раз меньше специализированных данных, чем предыдущее поколение, что сулит снижение общих затрат

Text generated using AI

Робототехника, Generalist AI, Воплощенный искусственный интеллект, GEN-1, Масштабирование обучения, Предобучение на данных человека
1

Recommendations on the topic

Comments

Golos Nauki Logo
Home page
Support Project
Sections
Быстрый доступ
  • Author's interview
  • Video Abstracts
Sponsor
* is not an advertisement
Presentation
Information

    Phone: 8 (800) 350 17-24email: office@golos-nauki.ru
    Sign Up
    Со страниц China Science DailyNews Feed
    Other News