· 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
Что такое foundation model для гуманоидных роботов? Знакомство с GR00T N1
Aastha Jhunjhunwala, Annika Brundyn
AI Engineer World's Fair 2025
Близко по содержанию
Следующее узкое место Physical AI — поиск подходящих видео
AI Engineer World's Fair 2026
Близко по содержанию
Скажите роботу, чего вы хотите
AI Engineer World's Fair 2026
Близко по содержанию
Reachy Mini: open source-робот за $300, который можно по-настоящему модифицировать
AI Engineer Europe 2026
Близко по содержанию

