शंघाई एआई लैबोरेटरी ने इंटरनW0 का परिचय दिया, जो इसके इंटरनW भौतिक दुनिया मॉडल श्रृंखला की पहली उदाहरण है, गतिशील वातावरण में क्रियात्मक पूर्वानुमान बनाए रखने के लिए डिज़ाइन किया गया। मॉडल फ्लो मैचिंग के साथ असममित वीडियो-क्रिया आर्किटेक्चर का उपयोग करके भविष्य की दृश्य गतिशीलता और निरंतर रोबोट नियंत्रण को संयुक्त रूप से सीखता है।
- इंटरनW0 लंबे-अवधि संदर्भ के लिए उच्च-क्षमता वाले वीडियो विशेषज्ञ का उपयोग करता है और तेज़ समय पैमानों के लिए हल्की क्रिया विशेषज्ञ का उपयोग करता है।
- यह परतवार K/V अवस्थाओं को पुनः उपयोग करता है और संदर्भ रूटिंग के माध्यम से उन्हें नए अवलोकनों के लिए अनुकूलित करता है, प्रत्येक अपडेट के लिए पुनर्जनन से बचता है।
- प्रशिक्षण में लगभग 7,200 घंटे विषम रोबोट और अहंपरिप्रेक्ष्य डेटा का उपयोग किया गया, जिसमें 275-घंटे का EgoLab डेटासेट शामिल है।
- मूल्यांकन में 15-चरण धातु-संगैतिक ढांचा संश्लेषण कार्यप्रवाह और 5-चरण संपर्क-जागरूक कुशल प्रबंधन शामिल था।
ये परिणाम विश्वव्यापी और कुशल वास्तविक-दुनिया इंटरैक्शन के लिए स्केलेबल, असिंक्रोनस और विज्ञान-मूलभूत भौतिक दुनिया मॉडलों को आगे बढ़ाते हैं।