30,000 घंटे का स्पर्श डेटा एम्बॉडेड AI को स्पर्श का अहसास देता है
NeoteAI और फुडान विश्वविद्यालय ने N0 श्रृंखला के तहत तीन रिपोर्ट और मॉडल जारी किए हैं, जिनका उद्देश्य स्पर्श प्रतिक्रिया (टैक्टाइल फ़ीडबैक) को एम्बॉडेड AI के मुख्य घटक के रूप में एकीकृत करना है। इस परियोजना में 30,000 घंटे का स्पर्श इंटरैक्शन डेटासेट, एक विज़न-लैंग्वेज-एक्शन मॉडल N0-VTLA, और एक वर्ल्ड मॉडल N0-TWAM शामिल है, जो सभी ओपन-सोर्स हैं।
NeoteAI (Shanghai New Intelligent Embodied AI Technology Co., Ltd.) ने फुडान विश्वविद्यालय के ट्रस्टवर्थी एम्बोडिएड एआई रिसर्च इंस्टीट्यूट के सहयोग से N0 श्रृंखला के मॉडलों के लिए तीन तकनीकी रिपोर्ट प्रकाशित की हैं। Neodata डेटासेट में 90 ऑपरेटरों द्वारा 6 रोबोट प्लेटफार्मों (Franka, Piper, UR5e, आदि) पर 450 लंबी-अवधि के कार्यों को कवर करते हुए 30,000 घंटे से अधिक का दृश्य-स्पर्श संवाद डेटा, 1.4 मिलियन एक्शन सेगमेंट, 33 बिलियन टाइम स्टेप्स, 8 बिलियन आरजीबी फ्रेम और 10 बिलियन स्पर्श छवियां शामिल हैं। N0-VTLA एक स्पर्श-वर्धित विज़न-लैंग्वेज-एक्शन (VLA) मॉडल है जो 50 कदम आगे भविष्य की स्पर्श स्थितियों की भविष्यवाणी करता है, प्लग इंसर्शन में 85% सफलता (विज़न-ओनली के 60% की तुलना में) और की एक्सट्रैक्शन में 99% (35% की तुलना में) प्राप्त करता है। N0-TWAM एक 7.2 बिलियन पैरामीटर वाला वर्ल्ड मॉडल है जो मिक्सचर-ऑफ-एक्सपर्ट्स आर्किटेक्चर का उपयोग करता है, जो एक साथ वीडियो, स्पर्श और एक्शन अनुक्रमों की भविष्यवाणी करता है; सिमुलेशन में औसत सफलता दर 84.5% (बेसलाइन 36%) है, वास्तविक दुनिया में औसत 46.3% (LingBot-VA 21.9%) है। परियोजना research.neoteai.com पर ओपन-सोर्स है।
स्रोत: QbitAI 量子位 —
मूल