ShengShu представила Vidar — ИИ, который обучает человекоподобных роботов за 20 минут данных

Китайская компания ShengShu Technology представила Vidar — продвинутую модель искусственного интеллекта, предназначенную для ускоренного обучения человекоподобных роботов. Эта система позволяет отказаться от месяцев дорогостоящего сбора данных в реальном мире, используя вместо этого комбинацию минимальных физических данных и масштабных симуляций, генерируемых ИИ.

Технологическая основа

Vidar работает на базе генеративного видео-движка Vidu, который уже зарекомендовал себя в творческих и промышленных сферах. Система создаёт реалистичные многопользовательские симуляции, обучаясь всего на небольшом наборе реальных видеозаписей. Это делает процесс обучения в разы эффективнее традиционных методов.

Гибридное обучение

Главная инновация Vidar — гибридный подход. Система объединяет всего 20 минут данных из реального мира с огромным количеством ИИ-генерируемых сценариев, что делает её в 1200 раз эффективнее аналогов, таких как RDT или π0.5. Такой метод сохраняет реализм физического мира, но добавляет скорость и гибкость симуляций.

Преодоление ограничений

Обычно обучение роботов колеблется между двумя крайностями: медленным и дорогим реальным обучением (как у Tesla Optimus или Boston Dynamics Atlas) и быстрыми, но менее реалистичными симуляциями. Vidar находит баланс, сочетая достоверность реального мира с масштабируемостью ИИ.

Двухэтапное обучение

Процесс Vidar разделён на два этапа. На этапе восприятия система анализирует большие наборы данных, чтобы понять объекты и окружение. На этапе управления модель AnyPos преобразует эти знания в точные моторные команды, адаптируясь под разные конструкции роботов.

Применение

Vidar подходит для роботов любого размера и назначения — от домашних ассистентов до медицинских устройств. Система сокращает время и стоимость разработки, что делает её привлекательной для потребительского, коммерческого и промышленного секторов.

Перспективы

Vidar развивает успех модели Vidu, которая за три месяца собрала 10 млн пользователей и создала 300 млн видео. Перенося эти наработки в робототехнику, система может сократить обучение человекоподобных роботов с недель до часов, приближая их массовое внедрение.

Источник: gizmochina.com