Avec des partenaires de 33 laboratoires universitaires, nous avons regroupé des données de 22 types de robots différents pour créer le jeu de données Open X-Embodiment et le modèle RT-X de robot. Les robots sont de grands spécialistes, mais de mauvais généralistes. En général, vous devez entraîner un modèle pour chaque tâche, robot et environnement. Le changement d’une seule variable nécessite souvent de tout recommencer. Mais et si nous pouvions combiner les connaissances en robotique et créer une façon d’entraîner un robot généraliste? Aujourd’hui, nous lançons une nouvelle série de ressources pour l’apprentissage de la robotique généraliste sur différents types de robots, ou embodiments. Avec des partenaires de 33 laboratoires universitaires, nous avons regroupé des données de 22 types de robots différents pour créer le jeu de données Open X-Embodiment. Nous mettons également à disposition RT-1-X, un modèle de transformateur de robotique (RT) dérivé de RT-1 et entraîné sur notre jeu de données, qui montre un transfert de compétences sur de nombreux types de robots.
Les Problèmes Communs Rencontrés par la Société dans l’Utilisation Efficace des Derniers Développements de l’Intelligence Artificielle
Les Problèmes Communs Rencontrés par la Société dans l’Utilisation Efficace des Derniers Développements de l’Intelligence Artificielle Introduction L’intelligence artificielle (IA)
