Data z reálného světa jsou chybějícím článkem mezi simulací a fyzickou inteligencí. S modelem Lemorele P300 (R) Robora tuto mezeru vyplňuje a mění každého uživatele v přispěvatele k evoluci ztělesněné umělé inteligence. Umožňuje snímání videa ve vysokém rozlišení v reálném čase z jakékoli kamery, ať už je namontována na prototypu robota, dronu nebo ruční kameře. Tento vizuální přenos je bezdrátově a bezeztrátově přenášen do připojeného zařízení (tablet, telefon nebo PC), na kterém běží rozhraní Robora VLA nebo aplikace pro sběr dat. Zařízení pak tyto kanály streamuje nebo nahrává přímo do cloudu Robory nebo do místního uzlu zpracování VLA. Sběrem dat z různých prostředí a případů použití získává Robora základ pro trénování a dolaďování svých modelů na reálných smyslových informacích, které překračují hranice čistě simulovaných dat. Tento přístup je klíčem ke snížení rozdílu mezi simulací a realitou, výkonnostním rozdílem mezi roboty vyškolenými v simulaci a roboty pracujícími ve složitých fyzických prostředích.

Robora Sim: Prostředí založené na PyBullet pro učení robotické fyzické inteligence V současné době vytváříme nastavení simulačního prostředí Robora pro naše učení založené na simulátorech s využitím PyBullet, průmyslového standardu fyzikálního enginu široce používaného ve výzkumu a vývoji robotiky řízené umělou inteligencí. Prostředí je optimalizováno pomocí algoritmů učení akcelerovaných GPU, které umožňují vysokorychlostní učení imitací a zpětnovazební učení v bezpečném a kontrolovaném virtuálním nastavení před odesláním do skutečného světa. Tato simulační platforma umožňuje našim modelům učit se, přizpůsobovat se a zobecňovat různé morfologie robotů, typy terénu a cíle úkolů - to vše před nasazením do reálného světa. Ve svém jádru systém kombinuje vysokoúrovňový plánovač poháněný VLA s nízkoúrovňovými algoritmy řízení pohybu, které pracují soudržně na vytváření vznikajícího, fyzicky inteligentního chování. Tato synergie mezi simulací, učením a přenosem z reálného světa představuje významný krok vpřed v našem úsilí o adaptivní a inteligentní robotické systémy. Prostřednictvím pokročilé randomizace domén a generování syntetických dat simulační prostředí Robora zajišťuje, že politiky vyškolené v simulaci se efektivně přenášejí na roboty v reálném světě, čímž se minimalizuje mezera mezi simulací a realitou. Uživatelé budou navíc moci testovat a integrovat své vlastní hardwarové sady ve vybraných simulačních prostředích v Robora Dapp, což zajistí bezproblémovou kompatibilitu a bezpečnější implementaci v reálném světě.

Tento týden jsme se v Roboře zaměřili hlavně na development. Naše práce spočívala ve vylepšování základních nástrojů, které pohánějí platformu, od správy modelů a dolaďování funkcí až po 3D mapování a počítačové vidění. Rozšířili jsme také naši síť tím, že jsme se připojili k novým iniciativám v oblasti umělé inteligence v reálném světě a pokračovali v práci na propojení výzkumu s praktickými robotickými aplikacemi. Zde jsou hlavní aktualizace: - Publikoval aktualizaci Robora Development Update, kde sdílel pokrok napříč platformou: přidal správu vah modelů s integrací Hugging Face, vytvořil raný nástroj CLI pro vývojáře, stanovil plán pro jemné doladění SDK s imitačním učením a RLHF v PyBullet a začal pracovat na 3D Mapping SDK pro generování reálných prostředí. - Robora se připojila k Real World AI Foundry, globální iniciativě vedené @iotex_io spolu s partnery jako Vodafone, Filecoin a Theta. Tato spolupráce pomáhá vytvářet otevřené standardy a rámce pro umělou inteligenci v reálném světě a podporuje naše poslání propojovat fyzické systémy s inteligentními agenty. - Vydali jsme zářijovou měsíční rekapitulaci, která upozorňuje na nejnovější aktualizace vývoje a poskytuje přehled o tom, kam se platforma bude ubírat dál. - Oznámili, že naše spolupráce s univerzitami na modulu Robora Vision se blíží ke konci. Tento open-source systém počítačového vidění dává robotům schopnost vidět a chápat svět v reálném čase a brzy bude představen společně s výzkumníky a partnery, kteří se na něm podíleli.