AgiBot анонсировала систему GO-1 для управления гуманоидными роботами
Компания AgiBot из Китая разработала инновационную модель искусственного интеллекта, получившую название Genie Operator-1 (GO-1). Эта разработка предназначена для применения в сфере гуманоидной робототехники. Система основана на технологии Vision-Language-Latent-Action (ViLLA), объединяющей компьютерное зрение, обработку естественного языка и моделирование действий.
Система ViLLA отличается от традиционных моделей тем, что использует латентные маркеры действий, создавая связь между восприятием и исполнением. Она состоит из двух ключевых компонентов: Vision-Language Model (VLM) и системы Mixture of Experts (MoE). VLM обрабатывает мультимодальные данные из интернета для анализа окружающей среды и языковых входов. MoE включает два элемента: латентный планировщик, который анализирует шаблоны действий, и эксперт по действиям, обученный на более чем миллионе демонстраций роботов для выполнения точных движений.
В процессе работы VLM сначала анализирует сцену, используя визуальные, силовые и словесные данные. Затем латентный планировщик формирует структурированный план действий, а эксперт по действиям преобразует его в практические движения. В ходе тестирования GO-1 показала улучшение результативности с 46 до 78 % в пяти типах задач, таких как наполнение напитков, приготовление кофе и тостов. Латентный планировщик повысил производительность на 12 %.
В конце 2024 года AgiBot выпустила набор данных AgiBot World, содержащий более миллиона траекторий движения по 217 задачам в пяти доменах. GO-1 создана с использованием этого информационного массива и способна адаптироваться к информации, полученной как от людей, так и от машин. Это позволяет системе адаптироваться к новым задачам и работать с различными типами роботов.
Компания заявляет, что технология может найти применение в промышленном производстве, сфере услуг и бытовом использовании. Подобные системы могут способствовать развитию автономных роботов, предназначенных для повседневной жизни людей.