Reward AI'ın OM-1 modeli robot verisi olmadan, sensörlü eldivenle öğreniyor
Reward AI, teleoperasyon ve robot üzerinde toplanan veri kullanmadan, yalnızca insan gösterimlerinden öğrenen OM-1 manipülasyon politikasını duyurdu.
Robotik girişimi Reward AI, OM-1 adını verdiği genel amaçlı manipülasyon politikasını duyurdu. Açılımı Omnibody Model 1 olan sistem, sensörlü bir eldiven takan insanlardan öğreniyor; ardından endüstriyel kollarda ve insansı robotlarda insan hızında çalışıyor. Şirketin öne çıkardığı nokta şu: eğitimde ne teleoperasyon verisi ne de robot üzerinde toplanmış veri var. Ekibin geçmiş çalışmaları arasında DexCap, HumanPlus ve ALOHA bulunuyor.
OM-1 şu an şirket içi bir politika. Ağırlıklar, kod, veri kümesi veya API yayımlanmadı, yani geliştiriciler kendi donanımlarında çalıştıramıyor.
Eldiven ve veri arayüzü
Yığının başında Omnibody Hand adlı giyilebilir cihaz var. İnsan elini eklem eklem kopyalamak yerine yedi serbestlik dereceli bir tasarım kullanılıyor; temas noktası seçme, nesneyi elde çevirme ve hassas kavramayla güç kavraması arasında geçiş gibi işlevlere odaklanıyor. Eldiven yüksek frekanslı dokunma algılama, temas öncesi yakınlık algılama ve global shutter kameraları birleştiriyor. Parmak uzunluğu farklarını soğuran bir mekanizma sayesinde kullanıcıya göre ayar gerekmiyor.
Şirketin paylaştığı tek sayısal sonuç el pozu takibinde. İki mekanik durak arasında 3 ile 67 cm/s aralığında sekiz farklı hızda, her biri on tekrarla yapılan ölçümde elektromanyetik takibin ortalama aşma hatası yaklaşık 0,4 mm'den 9,5 mm'ye çıktı. Görsel-ataletsel takipte ise hata 2,1 mm'den 24,9 mm'ye yükseldi. En yüksek hızda fark yüzde 60 azalma anlamına geliyor.
Politikanın altındaki kontrol katmanı
OM-1 doğrudan insan hareketinden robot eylemi üretiyor; ön eğitim ile sonraki eğitim ayrımı yok, tüm gösterimler tek aşamada tek politikayı eğitiyor. Her duyu kanalı kendi örnekleme hızında işleniyor. Altta ise simülasyonda pekiştirmeli öğrenmeyle eğitilmiş yüksek frekanslı bir kontrol katmanı çalışıyor; dış bozucuları ve sistem gecikmelerini karşılıyor, politika bir sonraki eylemi hesaplarken hareket durmuyor.
Reward AI, yeni bir görevin 30 dakikadan az insan verisiyle öğrenildiğini söylüyor. Başarı oranı, kamuya açık kıyas karşılaştırması veya makale yayımlanmadı; iddialar demoya dayanıyor. Ayrıntılar MarkTechPost'ta.
