|
近日，銀河通用聯(lián)合北京智源人工智能研究院（BAAI）及北京大學(xué)和香港大學(xué)研究人員，鄭重發(fā)布首個(gè)全面泛化的端到端具身抓取基礎大模型 GraspVLA。 據介紹，GraspVLA 的訓練包含預訓練和后訓練兩部分。其中預訓練完全基于合成大數據，訓練數據達到了有史以來(lái)最大的數據體量——十億幀「視覺(jué)-語(yǔ)言-動(dòng)作」對，掌握泛化閉環(huán)抓取能力、達成基礎模型；預訓練后，模型可直接 Sim2Real 在未見(jiàn)過(guò)的、千變萬(wàn)化的真實(shí)場(chǎng)景和物體上零樣本測試，全球首次全面展現了七大卓越的泛化能力，滿(mǎn)足大多數產(chǎn)品的需求；而針對特別需求，后訓練僅需小樣本學(xué)習即可遷移基礎能力到特定場(chǎng)景，維持高泛化性的同時(shí)形成符合產(chǎn)品需求的專(zhuān)業(yè)技能。 GraspVLA 展示了無(wú)需大規模真實(shí)數據、僅通過(guò)合成數據達到基礎模型的預訓練過(guò)程，和進(jìn)一步通過(guò)小樣本微調使基礎“通才”快速成長(cháng)為指定場(chǎng)景“專(zhuān)家”的能力，定義了 VLA 發(fā)展的新范式。這一方式打破了世界范圍內具身通用機器人當前發(fā)展的兩大瓶頸 。 真實(shí)數據采集不僅非常昂貴，且很難覆蓋所有可能的實(shí)際應用場(chǎng)景，導致數據量不夠無(wú)法訓練出基礎模型、采集成本過(guò)大以致無(wú)法盈利。即便不計成本地采集，由于人形機器人硬件遠未收斂，隨著(zhù)硬件更新，原有的數據效力將大打折扣，造成大規模的浪費。 數據的缺乏直接限制了機器人的泛化性和通用性。大部分機器人只能在特定的環(huán)境、特定的物體和特定的條件下完成專(zhuān)用任務(wù)，人形機器人無(wú)法實(shí)現規模商業(yè)化。 以 GraspVLA 為代表的銀河通用技術(shù)路線(xiàn)具有低成本、大數據、高泛化的特點(diǎn)，突破了具身智能的發(fā)展瓶頸，將在2025年引領(lǐng)端到端具身大模型走向規模商業(yè)化。 來(lái)源: 網(wǎng)易科技報道 |
