智元GO-3发布：机器人全链路规模化学习，拿下三项评测第一

01.人类视频撑起九成预训练数据

在GO-3 Preview的预训练数据里面了, 大概有九成的比例都来自于人类的第一视角视频。这些数据所覆盖的场景范围和操作技能范围都比传统的机器人示范数据远远更大一些, 这就给模型提供了更为丰富的物理方面的先验知识, 以及更为深刻的操作直觉。

但是人体部位姿势的排列情况, 还有机器人的关节进行控制这一件事儿, 跟末端执行器的轨迹变化这一件事儿, 这两者之间没办法形成每一个都能一一对应的关系。

WRAM这个架构的做法是把对任务方面的理解能力、对未来状况进行预测的能力, 还有生成相应动作这三方面的内容串联在一起, 这样做的结果是让机器人能够学会怎么样把所观察到得到的那些经验方面的事务转化成自身可以直接去执行的动作方面的事务。

02.单步预测打通虚实训练衔接

SVP这个系统它会去看当前的相机画面是什么样的, 还会去检查任务有哪些条件限制, 然后它就用一次前向计算的方法, 一下子预测出多个未来的时刻里视觉方面会出现什么状态, 接着呢, 它会把这个逆动力学模型拿出来, 结合机器人自己关节现在的状态情况, 最后就把这些东西转化成了机器人可以实际执行的动作序列。

模型可以一次性生成好多个未来的可能情况, 然后去评估每个情况的靠谱程度, 和真实的操作动作合不合拍, 最后挑选出最合适的那一个来参加联合训练。人类视频主要是负责让系统学会物理状态是怎么发生变化的, 机器人轨迹主要提供的是从当前状态到具体操作动作的控制指令, 这两者互相配合, 优势互补。

03.真机规模扩大带动成功率跃升

通过实验我们可以看到, 如果把训练数据的规模给扩大掉, 那在那些已经定好了的测试条件下面, 模型对付那些新的场景还有新出现的物体的时候, 它的那套操作本事会变得更好点。

而且你会发现, 不管机器人是长啥样子的本体结构, 它的性能提升那点东西都是能看得见的。这么一来就证明了, 这个叫做预训练Scaling的东西确实是在把技能的边界给往外扩。

系统通过去检索那些成功的动作片段, 并且对失败的上下文情况进行分析, 然后把共享的策略进行更新, 这样一来, 个体的经验就能够为群体的学习提供作用, 在保持训练时间一样的前提之下, 针对手机包装这个任务来说, 其成功率从原来的百分之五十点八提升到了百分之九十八点三。

04.桌面冰壶几小时超越人类玩家

那个叫做GO-3 Preview的系统, 是在真实的环境里面以及在世界模型里面, 去不断地进行练习的, 它只用了几个小时的时间, 就在桌面的冰壶任务当中, 得到了一个比普通的玩家都要高的胜率, 这个结果验证了在交互之后的训练阶段, 对于提升复杂动作的执行能力, 确实是有效果的。

那个用于仿真的环境可以调节物体的位置, 还可以调整摩擦系数以及碰撞条件, 用来覆盖更多的初始状态情况；当投掷出现偏离的时候, 这个世界模型会回到关键决策点去预测不同力度和不同角度所产生的结果, 对策略进行优化之后, 再返回到真机中执行验证工作。

05.上岗后工作本身成为新学习机会

Genie Master这个产品引入了一种叫做具身执行协议的东西, 我们简称为EEP。它能够把能力调用、执行引导、结果反馈以及任务连续性这些东西全部串联起来形成一个整体。

我们可以以便利店补货为例来看看它是怎么做的。在这个例子中系统能够安排具体的操作步骤。它还会去检查这些步骤的执行结果。如果出现异常情况的话, 它还可以自动地对计划进行调整。

把那些成功的经验和失败的教训都存进记忆库里, 从中提取出操作的先后顺序、关键的约束条件以及需要特别留意的地方。在真实的日常工作中, 大家积累下来的成功经历、失败教训还有出现异常后恢复的过程,都会直接变成用来更新下一轮动作模型的数据素材。

等到那个叫作机器人的东西龙南市就业服务平台, 它真的就开始进入一种状态, 也就是人们口中说的这种越干活它就越聪明的状况的时候, 你心里头是不是想问一句, 到底第一波可能会面临着要被换掉工作这个现实的, 会是哪些个类别的职业岗位, 我觉得这事儿挺值得去评论区里面聊一聊的, 要是你觉得我说的这些东西里头有一些信息对你还挺有用的话, 那就顺手点个赞, 再把这条消息转给那些平时就比较关注具身智能这回事的朋友看看。