media MarkTechPost · hace 1 h · releases

Dyna Robotics lanza Dyna-2, un modelo de acción mundial preentrenado con 1 millón de horas de video humano

Traducido del English → Español

Dyna Robotics ha lanzado Dyna-2, un modelo de acción mundial para manipulación robótica que fue preentrenado con más de un millón de horas de video egocéntrico humano. La empresa demuestra que el video humano ordinario puede sustituir a los datos etiquetados con acciones al establecer una ley de escalado desde 1.000 hasta 1.000.000 de horas.

Dyna-2 es un modelo generativo que utiliza una arquitectura base de difusión de video que desruido simultáneamente el video futuro y los fragmentos de acción.
El modelo exhibe una ley de escalado en datos humanos que se transfiere a cero disparos (zero-shot) a tareas robóticas no vistas en dos plataformas bimanuales estacionarias.
El desruido conjunto de video y acción supera al entrenamiento solo con acciones, siendo el video particularmente útil para la generalización entre diferentes embodimentaciones.
El post-entrenamiento en 14 tareas mostró que las puntuaciones normalizadas medias aumentaron del 20% al 53% a medida que los datos escalaban hasta un millón de horas.
Dyna-2 cumplió los criterios de producción en el 87% de los sitios de clientes no vistos, en comparación con el 46% del modelo anterior Dyna-1.

La investigación indica que la predicción de video impulsa la transferencia a datos robóticos, permitiendo al sistema aprender de vastas cantidades de experiencia humana sin etiquetar en lugar de depender de la teleoperación costosa.

Importancia 2/3 MarkTechPost Robotics Training methods

Artículos relacionados

lab Hugging Face Blog · hace 23 d · 8 vistas

Visión general de los motores de simulación para IA física: MuJoCo, Isaac Sim y Newton

Este artículo ofrece una visión general del estado actual de la simulación en IA física, explicando cómo la simulación cierra la brecha de datos para la robótica al permitir entornos de entrenamiento escalables y fotorrealistas. Describe un paradigma de tres computadoras (entrenamiento, simulación y en el robot) y clasifica los motores de simulación clave según sus capacidades específicas y casos de uso.

arxiv arXiv cs.LG · hace 27 d · 2 vistas

RoboTTT escala las políticas de robots a un contexto de 8K pasos de tiempo

Los investigadores presentan RoboTTT, una receta de entrenamiento que extiende el contexto visuomotor para modelos base de robots hasta 8.000 pasos de tiempo sin aumentar la latencia de inferencia. El método integra el Entrenamiento en Tiempo de Prueba (Test-Time Training) en políticas Visión-Lenguaje-Acción mediante el uso de pesos rápidos actualizados por descenso de gradiente durante tanto el entrenamiento como la inferencia.

arxiv arXiv cs.AI · hace 27 d

RoboTTT escala las políticas de robots a un contexto de 8K pasos de tiempo

NVIDIA presenta RoboTTT, un modelo base para robótica y una receta de entrenamiento que extiende el contexto visuomotor a 8.000 pasos de tiempo sin aumentar la latencia de inferencia. Al integrar el Entrenamiento en Tiempo de Prueba (Test-Time Training) en políticas Visión-Lenguaje-Acción, el sistema comprime el historial en el espacio de pesos mediante pesos rápidos actualizados por descenso de gradiente.

arxiv arXiv cs.LG · hace 46 d

RECALL: Colección de Experiencias de Recuperación para Aprendizaje Continuo Activo en Modelos Visión-Lenguaje-Acción

Este artículo propone un paradigma de aprendizaje continuo activo para modelos Visión-Lenguaje-Acción (VLA) con el fin de abordar las ineficiencias del aprendizaje por imitación pasiva. Los autores demuestran que la recolección de datos guiada por incertidumbre mejora la eficiencia del ajuste fino, pero provoca un olvido catastrófico cuando se utilizan exclusivamente los datos de recuperación.

arxiv arXiv cs.AI · hace 49 d · 1 vista

RECALL: Aprendizaje Activo Continuo para Modelos Visión-Lenguaje-Acción

El artículo presenta RECALL, un paradigma de aprendizaje activo y continuo para modelos Visión-Lenguaje-Acción que aborda las ineficiencias del aprendizaje por imitación pasiva. A diferencia de los métodos tradicionales que requieren fallos del robot para desencadenar la recolección de datos, este enfoque utiliza demostraciones de recuperación guiadas por incertidumbre para identificar proactivamente los estados que necesitan supervisión. Los autores demuestran que esta recolección de datos dirigida conduce a un ajuste fino más eficiente en comparación con las demostraciones recopiladas pasivamente. Sin embargo, el estudio revela que el ajuste fino exclusivamente con estos datos activos de recuperación provoca un olvido catastrófico de los comportamientos aprendidos previamente. Para mitigar este problema, el trabajo evalúa técnicas de aprendizaje continuo como la mezcla de datos basada en replay y la consolidación elástica de pesos. Estos experimentos destacan las compensaciones críticas entre la plasticidad para nuevas tareas y la retención de capacidades existentes en VLAs autoregresivos. En última instancia, la investigación establece que, aunque la recuperación guiada por incertidumbre mejora la eficiencia de adaptación, incorporar datos nuevos dirigidos a grandes políticas robóticas presenta desafíos abiertos significativos.