بيانات العالم الحقيقي هي الحلقة المفقودة بين المحاكاة والذكاء المادي. مع Lemorele P300 (R) ، تعمل Robora على سد هذه الفجوة ، وتحويل كل مستخدم إلى مساهم في تطور الذكاء الاصطناعي المتجسد. إنه يتيح التقاط فيديو عالي الدقة في الوقت الفعلي من أي كاميرا ، سواء كان مثبتا على نموذج أولي للروبوت أو طائرة بدون طيار أو كاميرا محمولة. يتم إرسال هذه التغذية المرئية لاسلكيا وبدون خسارة إلى جهاز متصل (جهاز لوحي أو هاتف أو كمبيوتر شخصي) يقوم بتشغيل واجهة Robora VLA أو تطبيق التقاط البيانات. يقوم الجهاز بعد ذلك ببث هذه الخلاصات أو تحميلها مباشرة إلى سحابة Robora أو عقدة معالجة VLA المحلية. من خلال جمع البيانات من البيئات وحالات الاستخدام المتنوعة ، تكتسب Robora الأساس لتدريب وضبط نماذجها على المعلومات الحسية في العالم الحقيقي ، بما يتجاوز البيانات المحاكاة البحتة. هذا النهج هو المفتاح لتقليل الفجوة بين sim to real ، وفرق الأداء بين الروبوتات المدربة على المحاكاة وتلك التي تعمل في بيئات مادية معقدة.

Robora Sim: بيئة تعمل بنظام PyBullet لتعلم الذكاء البدني الآلي نحن نعمل حاليا على بناء إعداد بيئة محاكاة Robora الخاص بنا للتعلم القائم على sim ، والاستفادة من PyBullet ، وهو محرك فيزياء متوافق مع معايير الصناعة يستخدم على نطاق واسع في البحث والتطوير في مجال الروبوتات التي تعتمد على الذكاء الاصطناعي. تم تحسين البيئة باستخدام خوارزميات التعلم المسرعة بواسطة وحدة معالجة الرسومات ، مما يتيح التعلم المقلد عالي السرعة والتعلم المعزز ضمن إعداد افتراضي آمن ومتحكم فيه قبل الشحن إلى العالم الحقيقي. تسمح منصة المحاكاة هذه لنماذجنا بالتعلم والتكيف والتعميم عبر أشكال الروبوت المختلفة وأنواع التضاريس وأهداف المهام - كل ذلك قبل نشرها في العالم الحقيقي. في جوهره ، يجمع النظام بين مخطط عالي المستوى يعمل بنظام VLA وخوارزميات التحكم في الحركة منخفضة المستوى ، ويعمل بشكل متماسك لإنتاج سلوكيات ناشئة وذكية جسديا. يمثل هذا التآزر بين المحاكاة والتعلم والنقل في العالم الحقيقي خطوة كبيرة إلى الأمام في سعينا للحصول على أنظمة روبوتية قابلة للتكيف وذكية. من خلال التوزيع العشوائي المتقدم للمجال وتوليد البيانات التركيبية ، تضمن بيئة محاكاة Robora أن السياسات المدربة على المحاكاة تنتقل بشكل فعال إلى روبوتات العالم الحقيقي ، مما يقلل من الفجوة بين sim و real. علاوة على ذلك ، سيتمكن المستخدمون من اختبار مجموعات الأجهزة الخاصة بهم ودمجها في بيئات محاكاة مختارة في Robora Dapp ، مما يضمن التوافق السلس والتنفيذ الأكثر أمانا في العالم الحقيقي.

ركزنا هذا الأسبوع في Robora بشكل أساسي على التنمية. ذهب عملنا إلى تحسين الأدوات الأساسية التي تشغل النظام الأساسي ، من إدارة النماذج وقدرات الضبط الدقيق إلى رسم الخرائط ثلاثية الأبعاد ورؤية الكمبيوتر. قمنا أيضا بتوسيع شبكتنا من خلال الانضمام إلى مبادرات الذكاء الاصطناعي الجديدة في العالم الحقيقي وواصلنا العمل على ربط الأبحاث بتطبيقات الروبوتات العملية. فيما يلي التحديثات الرئيسية: - نشر تحديث تطوير Robora ، ومشاركة التقدم عبر النظام الأساسي: تمت إضافة إدارة أوزان النموذج مع تكامل Hugging Face ، وبناء أداة CLI مبكرة للمطورين ، ووضع خطة لضبط SDK مع التعلم المقلد و RLHF في PyBullet ، وبدء العمل على 3D Mapping SDK لإنشاء بيئات واقعية. - انضمت Robora إلى Real World الذكاء الاصطناعي Foundry ، وهي مبادرة عالمية بقيادة @iotex_io جنبا إلى جنب مع شركاء مثل Vodafone و Filecoin و Theta. يساعد هذا التعاون في إنشاء معايير وأطر عمل مفتوحة الذكاء الاصطناعي في العالم الحقيقي ويدعم مهمتنا لربط الأنظمة المادية بالوكلاء الأذكياء. - أصدرنا ملخصنا الشهري لشهر سبتمبر ، والذي يسلط الضوء على آخر تحديثات التطوير ويقدم نظرة عامة على المكان الذي تتجه إليه المنصة بعد ذلك. - أعلنا أن تعاوننا مع الجامعات في وحدة رؤية روبورا على وشك الانتهاء. يمنح نظام رؤية الكمبيوتر مفتوح المصدر هذا الروبوتات القدرة على رؤية العالم وفهمه في الوقت الفعلي وسيتم تقديمه قريبا مع الباحثين والشركاء الذين ساهموا.