NC AI เปิดตัวโมเดล VAETKI Vision 3B ที่มีพารามิเตอร์ 30 พันล้าน ช่วยยกระดับเทคโนโลยีการเข้าใจพื้นที่ของหุ่นยนต์

·โดย Henderson·AI
NC AI เปิดตัวโมเดล VAETKI Vision 3B ที่มีพารามิเตอร์ 30 พันล้าน ช่วยยกระดับเทคโนโลยีการเข้าใจพื้นที่ของหุ่นยนต์

บริษัท NC AI ซึ่งเป็นบริษัทด้านปัญญาประดิษฐ์จากเกาหลีใต้ ได้พัฒนาโมเดลภาษาเชิงภาพที่มีน้ำหนักเบา VAETKI Vision 3B โดยมีขนาดพารามิเตอร์ประมาณ 30 พันล้าน แต่สามารถทำคะแนนเฉลี่ย 63.8 ในการทดสอบมาตรฐานสามรายการด้านหุ่นยนต์และการเข้าใจพื้นที่ ซึ่งดีกว่าหกโมเดลสาธารณะที่บริษัทเลือกมา เทคโนโลยีที่เกี่ยวข้องมุ่งเป้าไปที่อุตสาหกรรมการผลิต การต่อเรือ และการป้องกันประเทศ โดยมีเป้าหมายให้หุ่นยนต์และอุปกรณ์อุตสาหกรรมสามารถเข้าใจสภาพแวดล้อมรอบตัวได้ด้วยตนเอง

ฟังก์ชันหลักของโมเดลภาษาเชิงภาพคือการระบุวัตถุและความสัมพันธ์ทางพื้นที่ในภาพและวิดีโอ รวมถึงการเข้าใจความหมาย หากหุ่นยนต์ต้องทำงานตามคำสั่งของมนุษย์ จะต้องประเมินตำแหน่ง การเคลื่อนไหว และสภาพแวดล้อมของวัตถุรอบตัวก่อน แนวคิดของ NC AI คือการทำให้โมเดลมีขนาดเล็กลง เนื่องจากหุ่นยนต์และอุปกรณ์การผลิตไม่เหมือนเซิร์ฟเวอร์ที่มีพลังงานและความสามารถในการประมวลผลเพียงพอ จึงยากที่จะติดตั้งโมเดลขนาดใหญ่ได้โดยตรง

VAETKI Vision 3B ทำคะแนนได้ดีในการทดสอบมาตรฐาน

การทดสอบใช้มาตรฐานสามรายการ ได้แก่ BLINK ซึ่งตรวจสอบความสัมพันธ์ทางพื้นที่หลายภาพ, ERIQ ซึ่งเข้าใจการเคลื่อนไหวของหุ่นยนต์และบริบทโดยรอบ, และ ERQA ซึ่งใช้ในการอนุมานตำแหน่งของวัตถุและความสัมพันธ์ทางพื้นที่ ในโหมดปกติที่ไม่ต้องทำการอนุมานที่ซับซ้อนและให้คำตอบโดยตรง VAETKI Vision 3B ทำคะแนนเฉลี่ย 63.8 ซึ่งนำหน้าหกโมเดลสาธารณะที่มีพารามิเตอร์ระหว่าง 20 พันล้านถึง 80 พันล้าน เช่น Tongyi Qianwen ของ Alibaba และ Mistral; ในโหมดการอนุมานทีละขั้นตอน ทำคะแนนเฉลี่ย 63.2 ซึ่งสูงกว่า MiniStral 3 8B Reasoning ที่มีพารามิเตอร์ 80 พันล้าน ที่ทำคะแนน 48.4 ถึง 14.8 คะแนน

ต้องชี้แจงว่า ตัวเลขเหล่านี้อิงจากเงื่อนไขการประเมินที่บริษัทประกาศ และไม่ได้หมายความว่าโมเดลนี้จะแสดงผลได้ดีกว่าในทุกภารกิจด้านภาษาเชิงภาพ โมเดลนี้ยังทำคะแนนสูงสุดในสองรายการคือ ChartQA และ TextVQA ซึ่งสามารถใช้ในการวิเคราะห์แผงควบคุม แผนผัง และคู่มือการทำงานในสถานที่อุตสาหกรรม นอกจากนี้ยังสามารถจัดการวิดีโอที่มีความยาวถึง 4 วินาที และ 8 เฟรมซิงโครไนซ์ เพื่อประเมินการเคลื่อนไหวและการเปลี่ยนแปลงตำแหน่งของวัตถุ

H
เกี่ยวกับผู้เขียน
Henderson