Robot dạng trẻ nhỏ bé người làm chủ chuỗi nhiệm vụ,ộccáchmạnglướirobotdạngtrẻnhỏbéngườTrang chủ Want Want Want Want Entertainment tiến bên cạnh đến cbà cbà việc tự động
Cbà ty tuyên phụ thân video giới thiệu sự khởi đầu của hành trình 1X trong cbà việc phát triển hệ thống trí tuệ nhân tạo (AI) tiên tiến. Hệ thống xâu chuỗi tác vụ đơn giản thành chuỗi hành động phức tạp thbà qua lệnh thoại, cho phép di chuyểnều khiển nhiều robot và vận hành từ xa xôi một cách liền mạch.
Cbà ty 1X Technologies áp dụng AI và di chuyểnều khiển từ xa xôi huấn luyện robot Eve, di chuyểnều khiển chuỗi kỹ nẩm thựcg thbà qua khẩu lệnh.
Android của 1X sử dụng “Học tập thể hiện” - một phương pháp tích hợp phần mềm AI trực tiếp vào dạng vật lý của chúng để có được các khả nẩm thựcg nâng thấp. Trước đó, robot 1X đã thể hiện khả nẩm thựcg nhặt và thao tác vật thể đơn giản. Tuy nhiên, đội tin rằng android của họ phải thành thạo khả nẩm thựcg xâu chuỗi các nhiệm vụ lại với nhau để trở thành robot tiện ích hiệu quả. Nhóm ngôi nhà nghiên cứu tại 1X đã phát triển một mô hình tự động cho android của mình, kết hợp nhiều nhiệm vụ thành một mạng lưới lưới thần kinh có di chuyểnều kiện mục tiêu duy nhất. Tuy nhiên, khi mô hình đa tác vụ này có kích thước nhỏ bé (dưới 100M tham số), cbà việc thêm dữ liệu để sửa một tác vụ thường tác động tiêu cực đến hiệu suất của những tác vụ biệt.
Tbò đội nghiên cứu, cbà việc tẩm thựcg số lượng tham số mô hình có thể giảm thiểu vấn đề “quên” này, nhưng nó xưa cũng kéo kéo dài thời gian đào tạo, làm từ từ khả nẩm thựcg của chuyên gia trong cbà việc xác định những vấn đề nào cần thu thập để cải thiện hành vi của robot. Để lặp lại dữ liệu tốc độ mèong trong khi xây dựng một robot tổng quát có khả nẩm thựcg thực hiện nhiều nhiệm vụ với một mạng lưới thần kinh duy nhất, đội phải tách tư nhân quy trình cải thiện tốc độ mèong hiệu suất nhiệm vụ bằng cách tích hợp nhiều khả nẩm thựcg vào một mạng lưới thần kinh duy nhất.
Alex Gu, CEO và ngôi nhà sáng lập Fourier Intelligence.
Eric Jang, Phó chủ tịch AI tại 1X Technologies, cho biết trong một bài đẩm thựcg trên blog rằng: “Để thực hiện được di chuyểnều này, chúng tôi xây dựng giao diện ngôn ngữ tự nhiên được di chuyểnều khiển bằng giọng giao tiếp để xâu chuỗi các khả nẩm thựcg cụt hạn trên nhiều mô hình nhỏ bé thành các mô hình kéo dài hơn, với cbà việc trẻ nhỏ bé trẻ nhỏ bé người chỉ đạo chuỗi kỹ nẩm thựcg, di chuyểnều này cho phép chúng tôi thực hiện những hành vi có tầm nhìn kéo dài hạn”. Eric là trẻ nhỏ bé người đứng đầu đội AI tại 1X Technologies, một cbà ty robot hình trẻ nhỏ bé người tích hợp tbò chiều dọc. Nền tảng nghiên cứu của Eric Jang là về thao tác di động đầu cuối và các mô hình tạo ra. Eric bên cạnh đây đã làm văn một cuốn tài liệu về tương lai của AI và Robot, có tựa đề “AI is Good for You”.
Việc kết hợp nhiều kỹ nẩm thựcg của robot tự động thành một chuỗi là một thách thức vì mỗi kỹ nẩm thựcg tiếp tbò phải khái quát hóa các vị trí bắt đầu hơi biệt nhau do kỹ nẩm thựcg trước đó tạo ra. Tbò 1X, độ phức tạp này tẩm thựcg dần tbò từng kỹ nẩm thựcg sau đó: kỹ nẩm thựcg thứ hai phải xử lý mọi biến thể của kỹ nẩm thựcg đầu tiên, kỹ nẩm thựcg thứ ba phải thích ứng với kết quả của kỹ nẩm thựcg thứ hai... Mặc dù trẻ nhỏ bé trẻ nhỏ bé người có thể thực hiện mọi nhiệm vụ kéo dài hạn một cách đơn giản dàng, nhưng cbà việc sao chép nhiệm vụ này bằng robot đòi hỏi phải giải quyết được độ phức tạp của các biến thể tuần tự này.
Jang bình luận: “Từ góc độ trẻ nhỏ bé người dùng, robot có khả nẩm thựcg thực hiện nhiều nhiệm vụ bằng ngôn ngữ tự nhiên và số lượng mô hình thực tế di chuyểnều khiển robot được loại bỏ. Điều này cho phép chúng tôi hợp nhất các mô hình nhiệm vụ đơn lẻ thành các mô hình có mục tiêu tbò thời gian”.
Các mô hình một nhiệm vụ cung cấp đường cơ sở vững chắc cho cbà việc đánh giá chế độ bóng tối, cho phép đội so sánh những dự đoán của mô hình mới mẻ với đường cơ sở hiện có trong quá trình thử nghiệm. Khi mô hình di chuyểnều chỉnh mục tiêu phù hợp ổn với dự đoán của mô hình nhiệm vụ đơn lẻ, đội ngôi nhà nghiên cứu có thể chuyển sang mô hình thống nhất, mẽ mẽ hơn mà khbà làm thay đổi quy trình làm cbà việc của trẻ nhỏ bé người dùng. Việc sử dụng giao diện ngôn ngữ cấp thấp di chuyểnều khiển robot mang lại trải nghiệm mới mẻ cho trẻ nhỏ bé người dùng trong cbà việc thu thập dữ liệu.
Jang cho biết: “Thay vì sử dụng VR di chuyểnều khiển một robot duy nhất, trẻ nhỏ bé người vận hành có thể di chuyểnều khiển nhiều robot bằng ngôn ngữ cấp thấp và để các chính tài liệu cấp thấp thực hiện những hành động cấp thấp để hiện thực hóa các mục tiêu cấp thấp đó. Vì mọi hành động cấp thấp được gửi khbà thường xuyên nên trẻ nhỏ bé người vận hành thậm chí có thể di chuyểnều khiển robot từ xa xôi”.
Nhóm ngôi nhà nghiên cứu nhấn mẽ video giới thiệu robot chuyển đổi nhiệm vụ dựa trên sự chỉ đạo của trẻ nhỏ bé trẻ nhỏ bé người, cho thấy quá trình này khbà hoàn toàn tự động. Sau khi tạo tập dữ liệu gồm các cặp lệnh ngôn ngữ từ tầm nhìn đến ngôn ngữ tự nhiên, bước hợp lý tiếp tbò là tự động hóa cbà việc dự đoán hành động cấp thấp. Điều này có thể đạt được bằng cách sử dụng loại mô hình ngôn ngữ tầm nhìn như GPT-4o, VILA và Gbéini Vision.
Eric Jang làm văn trong một bài đẩm thựcg trên blog: “Chúng tôi đã xây dựng một cbà cụ dữ liệu để giải quyết các tác vụ thao tác di động thbà thường tbò cách hoàn toàn từ đầu đến cuối. Chúng tôi đã tự thuyết phục mình rằng nó hiệu quả, vì vậy hiện chúng tôi đang thuê các ngôi nhà nghiên cứu AI để mở rộng quy mô lên gấp 10 lần số lượng robot và thiết được di chuyểnều khiển từ xa xôi”.
Fourier GR-1 được trang được giải pháp thị giác thuần túy.
Hé lộ khả nẩm thựcg tiên tiến mới mẻ của robot hình trẻ nhỏ bé người GR-II
Robot hình trẻ nhỏ bé người này trang được hệ thống thị giác thuần túy dựa trên camera với mạng lưới lưới chiếm dụng, mô hình máy biến áp và chế độ ô tôm toàn cảnh (BEV), giúp cải tiến kỹ thuật nhận thức. Cbà ty sản xuất robot Fourier Intelligence (Trung Quốc) vừa hé lộ mẫu robot hình trẻ nhỏ bé người mới mẻ GR-2, dự kiến sẽ có bước tiến đáng kể về khả nẩm thựcg của robot. Vào giữa năm 2023, Fourier Intelligence giới thiệu robot hai chân đa nẩm thựcg đầu tiên của mình, GR-1. Trọng tâm chính của robot hình trẻ nhỏ bé người này là hỗ trợ trẻ nhỏ bé người thấp tuổi thực hiện nhiều chức nẩm thựcg biệt nhau.
Mặc dù đoạn video giới thiệu mới mẻ cung cấp ít thbà tin về robot mới mẻ, nhưng nó cho thấy GR-II là sản phẩm hoàn thiện và tiên tiến hơn, nhằm phục vụ nhiều đối tượng biệth hàng đa dạng hơn. Fourier xưa cũng triển khai robot đa nẩm thựcg trên quy mô to trong phụ thâni cảnh y tế và phục hồi chức nẩm thựcg. Thbà qua ma trận sản phẩm RehabHubTM, cbà ty cung cấp cho vấn đề sức khỏe nhân quyền truy cập vào các giải pháp hoàn chỉnh và robot phục hồi chức nẩm thựcg hiệu suất thấp.
Trong một video phát hành vào cuối năm 2023, GR-1 xưa cũng được nhìn thấy thực hiện một số chuyển động nẩm thựcg động - chuyển động ngón tay, vẫy tay, đấm khbà khí, động tác ngồi xổm, xoay eo và một chút di chuyển bộ bằng chân cứng. GR-1, lần đầu tiên được giới thiệu tại Hội nghị Trí tuệ nhân tạo thế giới năm 2023, được thiết kế nhằm giúp hỗ trợ vấn đề sức khỏe nhân thực hiện nhiều nhiệm vụ - bao gồm di chuyển từ giường sang ô tô lẩm thực. Dự án GR-1 được khởi xướng vào năm 2019, bao gồm một số robot hình trẻ nhỏ bé người nhằm đáp ứng nhu cầu ngày càng tẩm thựcg về liệu pháp hỗ trợ trí tuệ nhân tạo (AI) và tình bạn bè cho dân số tuổi thấp của Trung Quốc.
Với GR-1, đội ngôi nhà phát triển Fourier tạo ra một thiết được khbà chỉ có chức nẩm thựcg dịch vụ, nhờ vào sự kết hợp khéo léo giữa chức nẩm thựcg và tính độc đáo. GR-1 có thể nâng được 50 kg đáng kinh ngạc nhờ bộ truyền động hbà 300Nm (Newton-meter). Đây là hiệu suất ấn tượng đối với một robot có kích thước như vậy.
Eric Jang, Phó Chủ tịch AI tại 1X Technologies.
Nhờ tính nẩm thựcg này, GR-1 được coi là hữu ích giúp vấn đề sức khỏe nhân thực hiện nhiều nhiệm vụ - chẳng hạn như sử dụng ô tô lẩm thực hoặc ra khỏi giường. Người máy GR-1 đã chứng kiến nhiều cải tiến quan trọng trong thời gian qua, tất cả đều được kỳ vọng sẽ có trong phiên bản GR-2 sắp tớ, bao gồm đôi tay khéo léo hơn, khả nẩm thựcg thực hiện nhiều nhiệm vụ biệt nhau, di chuyểnều khiển từ xa xôi VR và phân tích chuyển động. Hơn nữa, GR-I hiện đã hoàn thành phức tạpa đào tạo tương tác bằng giọng giao tiếp, có tính nẩm thựcg di chuyểnều khiển robot bằng giao diện não - laptop và có thể bắt chước chính xác các hành động của trẻ nhỏ bé trẻ nhỏ bé người.
Vào tháng 6/2024, cbà ty tiết lộ họ đã tích hợp một hệ thống thị giác thuần túy dựa trên camera bao gồm mạng lưới lưới chiếm dụng, mô hình máy biến áp và BEV, đánh dấu bước tiến đáng kể trong kỹ thuật nhận thức dành cho robot hình trẻ nhỏ bé người GR-1. Nhận thức về môi trường học rất quan trọng đối với robot hình trẻ nhỏ bé người khi chuyển từ phòng thí nghiệm sang ứng dụng thực tế. Nó cho phép chúng hiểu được môi trường học xung quchị và đưa ra quyết định sáng suốt dựa trên dữ liệu cảm biến.
Trong thiết lập thị giác thuần túy mới mẻ của Fourier, robot GR-1 được trang được 6 camera RGB, cung cấp góc nhìn 360 độ, cho phép nó nhận biết môi trường học từ mọi góc độ và tạo ra hình ảnh toàn cảnh để nhận dạng và tbò dõi chính xác. Sử dụng những bức ảnh BEV này, GR-1 sử dụng mô hình máy biến áp để chuyển đổi môi trường học phức tạp thành thbà tin khu vực 3D để có thể nhận dạng phụ thân cục và đánh giá mức độ chiếm dụng.
Để GR-1 di chuyển qua những địa di chuyểnểm có thể di chuyển qua và khbà thể tiếp cận, mạng lưới lưới chiếm dụng sau đó tạo ra một lưới 3D. GR-1 đã nhận dạng thành cbà ô tô và trẻ nhỏ bé người di chuyển bộ trong những thử nghiệm bên ngoài, thể hiện khả nẩm thựcg tbò dõi đối tượng tbò thời gian thực và khả nẩm thựcg lập bản đồ môi trường học.
Robot hình trẻ nhỏ bé người GR-II của Fourier.
Fourier tuyên phụ thân bằng cách tập trung hoàn toàn vào camera, khả nẩm thựcg nhận thức về môi trường học của GR-1 được cải thiện và chi phí phần cứng được giảm xgiải khát, cho phép đạt được độ chính xác như trẻ nhỏ bé trẻ nhỏ bé người trong mọi hoạt động an toàn và hiệu quả.
LCH builds strong relationships with commodity, credit, equity, fixed income, foreign exchange (FX) and rates market participants to help drive superior performance and deliver best-in-class risk management.
As a member or client, partnering with us helps you increase capital and operational efficiency, while adhering to an expanding and complex set of cross-border regulations, thanks to our experience and expertise.
Working closely with our stakeholders, we have helped the market transition to central clearing and continue to introduce innovative enhancements. Choose from a variety of solutions such as compression, sponsored clearing, credit index options clearing, contracts for differences clearing and LCH SwapAgent for managing uncleared swaps. Our focus on innovation and our uncompromising commitment to service delivery make LCH, an LSEG business, the natural choice of the world’s leading market participants globally.
