Verkliga data är den felande länken mellan simulering och fysisk intelligens. Med Lemorele P300 (R) överbryggar Robora den klyftan och förvandlar varje användare till en bidragsgivare till den förkroppsligade AI-utvecklingen. Det möjliggör högupplöst videoinspelning i realtid från vilken kamera som helst, oavsett om den är monterad på en robotprototyp, en drönare eller en handhållen kamera. Detta visuella flöde överförs trådlöst och förlustfritt till en ansluten enhet (surfplatta, telefon eller dator) som kör Robora VLA-gränssnittet eller datainsamlingsappen. Enheten strömmar eller laddar sedan upp dessa flöden direkt till Roboras moln eller lokala VLA-bearbetningsnod. Genom att samla in data från olika miljöer och användningsfall får Robora grunden för att träna och finjustera sina modeller på verklig sensorisk information, och gå bortom rent simulerade data. Detta tillvägagångssätt är nyckeln till att minska gapet mellan simulering och verklighet, dvs. prestandaskillnaden mellan robotar som tränats i simulering och de som arbetar i komplexa fysiska miljöer.

Robora Sim: En PyBullet-driven miljö för att lära sig robotisk fysisk intelligens Vi håller för närvarande på att bygga vår Robora-simuleringsmiljö för vår sim-baserade inlärning med hjälp av PyBullet, en fysikmotor som är branschstandard och som ofta används inom AI-driven robotforskning och utveckling. Miljön är optimerad med GPU-accelererade inlärningsalgoritmer, vilket möjliggör höghastighetsimitationsinlärning och förstärkningsinlärning i en säker och kontrollerad virtuell installation innan den skickas ut till den verkliga världen. Denna simuleringsplattform gör det möjligt för våra modeller att lära sig, anpassa sig och generalisera över olika robotmorfologier, terrängtyper och uppgiftsmål – allt innan de används i den verkliga världen. I grunden kombinerar systemet en VLA-driven planerare på hög nivå med algoritmer för rörelsekontroll på låg nivå, som arbetar sammanhållet för att producera framväxande, fysiskt intelligenta beteenden. Denna synergi mellan simulering, inlärning och överföring i den verkliga världen markerar ett stort steg framåt i vår strävan efter adaptiva och intelligenta robotsystem. Genom avancerad domänrandomisering och generering av syntetisk data säkerställer Robora Simulation Environment att policyer som tränats i simulering överförs effektivt till verkliga robotar, vilket minimerar klyftan mellan simulering och verklighet. Dessutom kommer användare att kunna testa och integrera sina egna hårdvarusatser i utvalda simuleringsmiljöer i Robora Dapp, vilket säkerställer sömlös kompatibilitet och säkrare implementering i verkligheten.

Den här veckan på Robora fokuserade vi främst på utveckling. Vårt arbete gick till att förbättra de grundläggande verktygen som driver plattformen, från att hantera modeller och finjustera funktioner till 3D-kartläggning och datorseende. Vi utökade också vårt nätverk genom att gå med i nya AI-initiativ i verkligheten och fortsatte att arbeta med att koppla samman forskning med praktiska robottillämpningar. Här är de viktigaste uppdateringarna: - Publicerade en Robora Development Update, där vi delade med oss av framstegen på plattformen: lade till hantering av modellvikter med Hugging Face-integration, byggde ett tidigt CLI-verktyg för utvecklare, satte planen för finjustering av SDK med imitationsinlärning och RLHF i PyBullet, och började arbeta med en 3D Mapping SDK för att generera verkliga miljöer. - Robora gick med i Real World AI Foundry, ett globalt initiativ som leds av @iotex_io tillsammans med partners som Vodafone, Filecoin och Theta. Detta samarbete bidrar till att skapa öppna standarder och ramverk för AI i den verkliga världen och stöder vårt uppdrag att ansluta fysiska system med intelligenta agenter. - Släppte vår månatliga sammanfattning för september, som lyfter fram de senaste utvecklingsuppdateringarna och ger en översikt över vart plattformen är på väg härnäst. - Meddelat att vårt samarbete med universitet kring Robora Vision Module är nära att slutföras. Detta system för datorseende med öppen källkod ger robotar möjlighet att se och förstå världen i realtid och kommer snart att presenteras tillsammans med de forskare och partners som bidragit.