← Каталог

· AI Engineer World's Fair 2025

Робототехника: почему именно сейчас?

Robotics: why now?

Vision-language-action модель, обученная на данных телеоперации, по словам авторов, выполняет длинные задачи в незнакомых домах и управляет роботом, которого команда никогда не видела.

  • VLM как основа управления — модель получает состояние суставов робота и выдаёт действия напрямую; для высокой частоты управления отдельный action expert генерирует непрерывные действия через flow matching.
  • Декомпозиция инструкций — та же модель делит запрос вроде «убери спальню» на подзадачи, например «подними подушку», и работает автономно до десяти минут.
  • Data engine на телеоперации — за полгода пайплайн дал около 10 тысяч часов успешных эпизодов против примерно 3800 часов в Open X-Embodiment; по словам авторов, больше половины работы уходит на сам data pipeline.
  • Обобщение по локациям — по словам авторов, рост числа домов в обучении улучшает результат на отложенной локации, и в итоге он сравнивается с обучением на самой этой локации.

Кому полезно: тем, кто строит робототехнические политики на базе VLM и думает о сборе данных с телеоперации.

Главы

Похожие доклады