NVIDIA تطلق نموذج GR00T 2 الأساسي للروبوتات القادر على تعلم المهارات بسرعة من خلال عرض البشر

·بواسطة Henderson·Engineering
NVIDIA تطلق نموذج GR00T 2 الأساسي للروبوتات القادر على تعلم المهارات بسرعة من خلال عرض البشر
النقاط الرئيسية
  • يمكن لـ GR00T 2 نقل المهارات المعروضة من قبل البشر إلى مهام لم يتم تنفيذها من قبل بواسطة الروبوتات.
  • يمكن أن تصل نسبة نجاح النموذج بعد التعديل إلى 95%.
  • تسمح تقنية التكيف المتبادل للروبوتات بتعلم المهارات من العروض المقدمة من أجهزة مختلفة.
  • GR00T 2 Turbo هو إصدار أصغر مصمم خصيصًا للروبوتات البشرية، ويعمل بسرعة أكبر.

أعلنت NVIDIA عن إطلاق الجيل الجديد من نموذج الروبوتات الأساسي GR00T 2، الذي يمكنه نقل المهارات المعروضة من قبل البشر إلى الآلات التي لم تقم بهذه المهام من قبل. كنموذج عالمي، يمكن لـ GR00T 2 التنبؤ بالفيديوهات المستقبلية وحركات الروبوتات في الوقت نفسه، مما يمكّنه من تعلم عملية التفاعل الفيزيائي وحساب الحركات المطلوبة لإكمال المهام. تم تصميم هذا النموذج ليكون مناسبًا لأشكال مختلفة من الروبوتات، بما في ذلك الأذرع القابضة المتوازية، والأيدي الخماسية المرنة، والروبوتات البشرية. وأشارت NVIDIA إلى أن GR00T 2 قادر على التعلم من مقاطع الفيديو البشرية، والأدوات المحمولة، والعروض التي تم جمعها من روبوتات أخرى.

في اختبار شمل 50 مهمة لم يتم عرضها على الروبوت المستهدف، حقق GR00T 2 معدل نجاح متوسط قدره 40%، دون الحاجة إلى تدريب خاص على المهام. بعد تقديم خمس عروض لكل مهمة، وبتعديل لمدة 30 دقيقة، ارتفعت نسبة النجاح إلى 95%. كانت البيانات المطلوبة لكل مهمة أقل من ثلاث دقائق من بيانات الروبوت.

تطبيق تقنية التكيف المتبادل

تسمي NVIDIA هذه الطريقة بالتكيف المتبادل (cross-adaptation)، واختصارها X-Adapt، مما يسمح للروبوتات بنقل المهارات من العروض المقدمة من أشكال أو أجهزة مختلفة. في تجربة، عرض الباحثون على الروبوت كيفية تصريف قمع المختبر باستخدام ورق الترشيح وترطيب زجاجة. تم إجراء هذا العرض فقط من قبل البشر، دون التحكم عن بعد في الروبوت المستهدف، ونتيجة لذلك، أكمل الروبوت ذو الأصابع الخمسة المهمة بنجاح في 65% من التجارب. في اختبار آخر، تم عرض كيفية تجميع شاحنة تفريغ ألعاب باستخدام أداة التحكم العامة المحمولة (UMI)، وبعد ذلك أكمل ذراع الروبوت المسمى YAM التجميع في 60% من التجارب، على الرغم من أنه لم يتلقَ عرضًا خاصًا لهذه المهمة.

استخدم الباحثون أيضًا جهازًا قابلًا للارتداء يمكنه محاكاة حركات أصابع البشر، لتعليم الروبوت كيفية أداء المهام الثنائية اليدين، بما في ذلك صنع زبادي الموز، وحفر الشوفان، وإشعال عود ثقاب لإضاءة المصابيح. تم دمج تدريب النموذج مع 402,730 ساعة من مقاطع الفيديو البشرية من منظور الشخص الأول، و10,184 ساعة من العروض باستخدام الأدوات المحمولة، و23,500 ساعة من بيانات التحكم عن بعد للروبوتات. وأشارت NVIDIA إلى أن مجموعة بيانات Human-1M الخاصة بها تحتوي على 100,000 ساعة من البيانات المتاحة للجمهور.

ميزات GR00T 2 Turbo

يمكن أيضًا لـ GR00T 2 التعاون مع نماذج الاستدلال، لتفكيك المهام المعقدة إلى خطوات، ومراقبة التقدم، وإرشاد الروبوت من خلال واجهة التطبيقات. في اختبار شمل تجميع ثلاثة ألعاب، أكمل هذا الأسلوب 97 مرة على الأقل من 100 تجربة لكل لعبة. النظام قادر على التعافي من الأخطاء والانقطاعات خلال العملية. بالإضافة إلى ذلك، تتيح وظيفة التوجيه البصري لنموذج الاستدلال تحديد المواقع التي يجب على الروبوت التقاط وإفراج الأشياء منها، مما زاد من معدل نجاح المهام القصيرة التي تتضمن تحريك الأشياء على YAM من 40% إلى 92%.

طورت NVIDIA أيضًا GR00T 2 Turbo، وهو إصدار أصغر مصمم خصيصًا للروبوتات البشرية، يهدف إلى تحقيق سرعة تنفيذ أكبر. يعمل هذا النموذج مباشرة على وحدة Unitree G1، باستخدام معالج Jetson Thor المدمج، حيث تستغرق كل عملية توقع 124 مللي ثانية. من خلال وحدة التحكم الكاملة، أكمل الروبوت البشري مهمة تقديم الفشار بنجاح في جميع التجارب الـ 48، ونظف سطح الطاولة من أشياء مختلفة في 93% من التجارب.

قدمت NVIDIA نموذج GR00T 2 في مؤتمر تعلم الروبوتات الذي أقيم في 9 نوفمبر في أوستن، تكساس. وأشارت الشركة إلى أن هذا النموذج مصمم لمساعدة الروبوتات على تجاوز الحركات الضيقة المدربة، نحو عمليات أكثر تكيفًا، مناسبة للبيئات الصناعية واليومية.

البندالمواصفات
بيانات التدريب402,730 ساعة من مقاطع الفيديو البشرية، 10,184 ساعة من العروض باستخدام الأدوات المحمولة، 23,500 ساعة من بيانات التحكم عن بعد للروبوتات
وقت التوقع124 مللي ثانية
نسبة النجاح (بعد التعديل)95%

كيف يغير GR00T 2 طريقة تعلم الروبوتات

يمثل نموذج GR00T 2 من NVIDIA تقدمًا كبيرًا في تعلم الروبوتات، خاصة في مجال نقل المهارات. من خلال العروض البشرية، يمكن للروبوتات تعلم مهام جديدة بسرعة، مما يعزز الكفاءة ويوسع نطاق تطبيقات الروبوتات. إن إدخال تقنية التكيف المتبادل يسمح للروبوتات ذات الأشكال المختلفة بمشاركة تجارب التعلم، مما يحمل أهمية كبيرة لتعاون الروبوتات وتطور الاستقلالية في المستقبل. بالإضافة إلى ذلك، فإن إطلاق GR00T 2 Turbo يظهر اهتمام NVIDIA بأداء الروبوتات البشرية، مما يشير إلى إمكانيات كبيرة في التطبيقات الصناعية والحياتية اليومية في المستقبل.

H
حول المؤلف
Henderson