2 小时内收集数据学会新任务,星动纪元端到端原生机器人大模型 ERA-42 发布

模型不需要任何预编程技能,完全基于其泛化和自适应力,能在不到 2 小时内通过收集少量数据就学会执行新的任务。

星动纪元今日发文,介绍了端到端原生机器人大模型 ERA-42。

2 小时内收集数据学会新任务,星动纪元端到端原生机器人大模型 ERA-42 发布

官方宣称,这是业界首次仅通过同一个具身大模型,实现了五指灵巧手“像人手一样灵活自如地”使用多种多样、形态各异的工具,完成上百种灵巧复杂操作任务

2 小时内收集数据学会新任务,星动纪元端到端原生机器人大模型 ERA-42 发布

AI在线获悉,模型不需要任何预编程技能,完全基于其泛化和自适应力,能在不到 2 小时内通过收集少量数据就学会执行新的任务

基于 ERA-42 的能力,五指灵巧手星动 XHAND1 已学会了使用不同工具完成 100 多种复杂灵巧的操作任务。例如,拿起桌上随机摆放的螺钉钻并钻紧螺钉、用锤子敲打钉子、将倒放的水杯扶正再往水杯中倒水等任务。

2 小时内收集数据学会新任务,星动纪元端到端原生机器人大模型 ERA-42 发布

此外,研究结果表明,随着模型规模的扩大,任务成功率也明显提升,初步体现了和大语言模型训练中类似的“Scaling 效应”,即模型规模与性能之间的正相关性。

2 小时内收集数据学会新任务,星动纪元端到端原生机器人大模型 ERA-42 发布

▲ “Scaling 效应”显示模型与机器人性能呈现正相关性

相关资讯

下注端到端:一场具身智能的谨慎豪赌

作者 | 赖文昕编辑 | 陈彩娴上个月末,世界机器人大会(WRC 2024)在北京刚刚结束,27 款人形机器人果然成为了会场中的主角。 夹爪叠衣服、做汉堡,灵巧手抓鸡蛋、演手舞,轮式进商超,双足满场逛......在这场硅基生命的大 party 里,人形机器人们的才艺都得到了充分的展示,特别是在操作能力上有了显著提升。 在具身智能时代,人形机器人代表着人类创造者对通用机器人终极形态的一大向往。

大幅超越所有SOTA!地平线DiffusionDrive:生成式方案或将重塑端到端格局?

写在前面&笔者的个人理解近年来,由于感知模型的性能持续进步,端到端自动驾驶受到了来自工业界和学术界的广泛关注,端到端自动驾驶算法直接从原始传感器采集到的信息输入中学习驾驶策略。 这种基于数据驱动的方法为传统的基于规则的运动规划提供了一种可扩展且强大的替代方案,而传统的基于规则的运动规划通常难以推广到复杂的现实世界驾驶环境。 为了有效地从数据中学习驾驶过程,主流的端到端规划器通常从自车查询中回归出单模轨迹,如下图所示。

灵初智能发布首个基于强化学习的端到端具身模型 Psi R0,双灵巧手协同进行复杂操作

该模型支持双灵巧手协同进行复杂操作,将多个技能串联混训,生成具有推理能力的智能体,从而完成并闭环长程灵巧操作任务。并且,Psi R0还可以实现跨物品、跨场景级别的泛化。