AI大模型“戰(zhàn)火”燒到了教育領域
作者：劉曠自2023年開年以來，AI大模型這股風是越吹越猛烈了。隨著ChatGPT的出圈爆火，再度掀起了一波AI熱浪，無論是在國內(nèi)還是國外都有不少企業(yè)宣布入局或者跟進AI大模型領域。與
8 月 16 日消息，研究機構(gòu) Ai2 現(xiàn)已在 GitHub 開源了旗下 MolmoAct 機器人“行動推理模型”（Action Reasoning Model，ARM）模型，該模型主要運用于具身機器人場景，號稱可以解決機器人在三維空間中的動作規(guī)劃與理解問題。
據(jù)介紹，與傳統(tǒng)僅依賴文字描述推導動作的視覺語言行動模型（VLA）不同，MolmoAct 旨在克服語言難以完整表達三維環(huán)境深度和距離關系的不足。因此 MolmoAct 在第一階段會首先生成由 VQVAE 預訓練得到的空間感知 Token，相應 Token 同時包含幾何結(jié)構(gòu)與位置信息，可用于評估物體間的距離，并為后續(xù)規(guī)劃提供基礎。
而在第二階段，模型會在圖像空間中生成一系列路徑點，作為任務的中間目標，直觀展示動作展開的順序。第三階段，路徑點會被轉(zhuǎn)化為機器人末端執(zhí)行器或機械爪的低層馬達指令，并根據(jù)機器人運動學配置進行動作解碼。
研究團隊指出，在名為 SimplerEnv 的模擬測試環(huán)境中，MolmoAct-7B 在訓練集未見過的任務中達到了 72.1% 的成功率，優(yōu)于 Physical Intelligence、谷歌、微軟和英偉達等實驗室的對照模型。在 LIBERO 模擬平臺的多任務與終身學習測試中，經(jīng)過高效參數(shù)微調(diào)，平均成功率提升至 86.6%。同時，相比業(yè)界 AI 機器人大模型，MolmoAct 的訓練成本更低：預訓練僅使用了 2630 萬樣本和 256 顆 H100 GPU，大約 1 天即可完成；微調(diào)則只需 64 顆 H100，約 2 小時即可完成。
此外，為降低機器人操作風險并提升可解釋性，MolmoAct 在執(zhí)行動作前會將內(nèi)部規(guī)劃的運動軌跡疊加到輸入圖像上，用戶可以直接查看并修正動作方案。同時，用戶還可以通過平板等設備使用手繪方式標注目標姿態(tài)或路徑，模型會即時整合這些標注進行一系列調(diào)整。
目前，Ai2 已在 GitHub 同步開源了 MolmoAct-7B 的完整資源（https://github.com/allenai/MolmoAct），官方強調(diào)，這些資源與工具可以幫助其他研究團隊在不同機器人平臺和任務中充分驗證與優(yōu)化。
本文鏈接：http://www.rrqrq.com/showinfo-45-26190-0.html可實現(xiàn)三重空間感知：Ai2 開源具身機器人 AI 模型 MolmoAct
聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
上一篇： 2026款零跑B01購車攻略：高性價比之選，650悅享版值得入手
下一篇： 谷歌開源 Gemma 家族最輕量模型 Gemma 3 270M：2.7 億參數(shù)可靈活用于 手機平板端側(cè)及 Web 環(huán)境
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請聯(lián)系：2376512515@qq.com 津ICP備18001702號
津公網(wǎng)安備 12010102000574號