Reaalimaailman data on puuttuva linkki simulaation ja fyysisen älykkyyden välillä. Lemorele P300 (R) -mallilla Robora kuroi umpeen tämän kuilun ja tekee jokaisesta käyttäjästä tekoälyn evoluution edistäjän. Se mahdollistaa reaaliaikaisen, teräväpiirtovideon tallentamisen mistä tahansa kamerasta, olipa se sitten asennettu robotin prototyyppiin, droneen tai kädessä pidettävään kameraan. Tämä visuaalinen syöte lähetetään langattomasti ja häviöttömästi liitettyyn laitteeseen (tabletti, puhelin tai tietokone), jossa on Robora VLA -liitäntä tai tiedonkeruusovellus. Laite suoratoistaa tai lataa nämä syötteet suoraan Roboran pilveen tai paikalliseen VLA-käsittelysolmuun. Keräämällä dataa erilaisista ympäristöistä ja käyttötapauksista Robora saa perustan kouluttaa ja hienosäätää mallejaan reaalimaailman aistitietojen perusteella ja siirtyä puhtaasti simuloitua dataa pidemmälle. Tämä lähestymistapa on avainasemassa, kun halutaan pienentää simulointiin koulutettujen robottien ja monimutkaisissa fyysisissä ympäristöissä toimivien robottien välistä suorituskykyeroa.

Robora Sim: PyBullet-käyttöinen ympäristö fyysisen robottiälyn oppimiseen Rakennamme parhaillaan Robora-simulaatioympäristöä sim-pohjaiselle oppimisellemme hyödyntäen PyBulletia, alan standardifysiikkamoottoria, jota käytetään laajalti tekoälypohjaisen robotiikan tutkimuksessa ja kehityksessä. Ympäristö on optimoitu GPU-kiihdytetyillä oppimisalgoritmeilla, mikä mahdollistaa nopean jäljitelmäoppimisen ja vahvistusoppimisen turvallisessa ja hallitussa virtuaaliasennuksessa ennen lähettämistä todelliseen maailmaan. Tämän simulaatioalustan avulla mallimme voivat oppia, mukautua ja yleistää eri robottimorfologioita, maastotyyppejä ja tehtävätavoitteita – kaikki ennen käyttöönottoa todelliseen maailmaan. Järjestelmän ytimessä yhdistyvät VLA-käyttöinen korkean tason suunnittelija matalan tason liikkeenohjausalgoritmeihin, jotka toimivat yhtenäisesti tuottaakseen nousevia, fyysisesti älykkäitä käyttäytymismalleja. Tämä simulaation, oppimisen ja reaalimaailman siirron välinen synergia on merkittävä askel eteenpäin pyrkimyksissämme kehittää mukautuvia ja älykkäitä robottijärjestelmiä. Edistyneen toimialueen satunnaistamisen ja synteettisen datan luomisen avulla Robora-simulaatioympäristö varmistaa, että simulointiin koulutetut käytännöt siirtyvät tehokkaasti todellisiin robotteihin, mikä minimoi simulaation ja todellisen kuilun. Lisäksi käyttäjät voivat testata ja integroida omia laitteistosarjojaan valittuihin simulaatioympäristöihin Robora Dappissa, mikä varmistaa saumattoman yhteensopivuuden ja turvallisemman todellisen toteutuksen.

Tällä viikolla keskityimme Roboralla pääasiassa kehitykseen. Työmme meni alustan ydintyökalujen parantamiseen mallien hallinnasta ja hienosäätöominaisuuksista 3D-kartoitukseen ja konenäköön. Laajensimme myös verkostoamme liittymällä uusiin tosielämän tekoälyhankkeisiin ja jatkoimme tutkimusta käytännön robotiikan sovelluksiin yhdistämiseksi. Tässä ovat tärkeimmät päivitykset: - Julkaisi Robora-kehityspäivityksen, jossa jaettiin edistyminen koko alustalla: lisättiin mallipainojen hallinta Hugging Face -integraatiolla, rakennettiin varhainen CLI-työkalu kehittäjille, laadittiin suunnitelma SDK:n hienosäädölle jäljitelmäoppimisella ja RLHF:llä PyBulletissa ja aloitettiin 3D Mapping SDK:n kehittäminen todellisten ympäristöjen luomiseksi. - Robora liittyi Real World AI Foundryyn, joka on maailmanlaajuinen aloite, jota johtaa @iotex_io yhdessä kumppaneiden, kuten Vodafonen, Filecoinin ja Thetan, kanssa. Tämä yhteistyö auttaa luomaan avoimia standardeja ja kehyksiä todelliselle tekoälylle ja tukee tehtäväämme yhdistää fyysiset järjestelmät älykkäisiin agentteihin. - Julkaisimme syyskuun kuukausittaisen yhteenvedon, jossa korostetaan viimeisimpiä kehityspäivityksiä ja annetaan yleiskatsaus siitä, mihin alusta on menossa seuraavaksi. - Ilmoitimme, että yhteistyömme yliopistojen kanssa Robora Vision Module -moduulin parissa on loppusuoralla. Tämä avoimen lähdekoodin tietokonenäköjärjestelmä antaa roboteille mahdollisuuden nähdä ja ymmärtää maailmaa reaaliajassa, ja se esitellään pian yhdessä osallistuneiden tutkijoiden ja kumppaneiden kanssa.