A kínai AgiBot Go-3 Preview öt nap alatt 28-ról 85 százalékra növelte a fizikai világban mért hatékonyságát
A korábban Guinness-rekorddal is a hírekbe került kínai AgiBot bemutatta a Go-3 Preview modellt: fizikai testtel rendelkező mesterséges intelligencia, amely a robotok folyamatos tanulását és képességfejlesztését támogatja. A World Reasoning Action Model (WRAM) architektúra a feladatokkal kapcsolatos következtetést, az eredmények előrejelzését és a cselekvések generálását kapcsolja össze. A kifejezetten ilyen rendszerekre szabott RoboDojo, RoboTwin és RoboColiseum teszteken mindháromnál az eddigi legtöbb pontot szerezte.
A cég 2026 végéig nyílt forráskódúvá tenné a modellt, hogy széles körben alkalmazható legyen – erről az Interesting Engineering számolt be. A cél új készségek elsajátítása, ismeretlen feladatokhoz való alkalmazkodás és a valós tapasztalatokon alapuló fejlődés. A folyamatos tanulást az előképzés, az utóképzés és az alkalmazás fázisában is támogatják. A betanítás kétféle adatot ötvöz: emberek szemszögéből rögzített videókat a tárgyakkal való interakcióról, valamint robotmozgáspályákat, amelyek a vizuális megfigyelést a fizikai cselekvésekhez és azok eredményéhez kötik.
Az előképzés során a modellnek ismeretlen feladatokat kellene végrehajtania különféle környezetekben, például konyhákban vagy több robotot foglalkoztató helyszíneken; a cég szerint összetett, ügyességet igénylő munkákhoz nem kell minden új tevékenységhez külön finomhangolás. A második fázishoz a kutatók a Genie Evolvert elosztott tanítási platformot fejlesztették ki, amely körülbelül 100 robot adatait ötvözi fizikai szimulációkkal és a világot leképező modellekkel, hogy a gépek gyakorolhassanak, értékelhessék magukat és ismétléssel fejlődjenek. A rendszer első alkalommal 28,2 százalékos hatékonyságot mutatott, öt nap után 85,7 százalékon stabilizálódott. Ha valóban nyílt forráskódú lesz, az segítheti a több munkafolyamatot is ellátó gyári robotok megjelenését.
Folytasd az appban — szavazz és szólj hozzá ➔