China entwickelt ein zentrales KI-Gehirn für komplexe Robotersysteme mit mehreren Aufgaben

Es wird auch berichtet, dass es das einzige Modell ist, das in zufälligen Umgebungen über 95,0 erreicht. Das System baut auf ShengShus früheren Arbeiten im Bereich generatives Video über seine Vidu-Plattform auf und nutzt großskalige Videodaten, um Roboter darauf zu trainieren, reale Umgebungen zu verstehen und mit ihnen zu interagieren.

Ein Gehirn, viele Aufgaben Motubrain ist als ein einheitliches multimodales Modell konzipiert, das gleichzeitig aus Video, Sprache und Aktion lernt. Dies ermöglicht es Robotern, ihre Umgebung zu verarbeiten, Ergebnisse vorherzusagen und in Echtzeit zu handeln, ohne zwischen separaten Systemen wechseln zu müssen.

„Ein echtes Weltmodell muss in der Lage sein, eine einheitliche Darstellung der realen Welt zu erstellen und vorherzusagen, wie sie sich entwickelt“, sagte Jun Zhu, Gründer eine Three-Stream Mixture-of-Transformers-Architektur, um Eingaben aus verschiedenen Modalitäten zu integrieren.

Dieses Setup ermöglicht es Robotern, Anweisungen

Dieses Setup ermöglicht es Robotern, Anweisungen zu verstehen, Umweltveränderungen vorherzusehen und in einer kontinuierlichen Schleife geeignete Aktionen zu generieren.

Im Gegensatz zu herkömmlichen Systemen, die stark auf gelabelte Datensätze angewiesen sind, wird Motubrain mithilfe einer breiteren Mischung aus ungelabeltem Videomaterial, Simulationsdaten und Aufzeichnungen.

Ein latentes Aktions-Framework extrahiert Bewegungsmuster direkt aus diesen Eingaben und reduziert so den Bedarf an manueller Annotation. Dieser Trainingsansatz ermöglicht es dem Modell, effizienter zu skalieren.

In internen Evaluierungen behielt Motubrain höhere

In internen Evaluierungen behielt Motubrain höhere Erfolgsraten bei als konkurrierende Systeme, sowohl bei zunehmender Aufgabenkomplexität als auch bei zunehmenden Trainingsdaten.

mehrstufige Aufgaben ausführen, die bis zu 10 atomare Aktionen umfassen, was deutlich mehr ist als die typischerweise 2–3. Dies ermöglicht es Robotern, komplexere reale Aktivitäten in einer einzigen Sequenz auszuführen.

„Wir glauben, dass allgemeine Weltmodelle nicht als zusammengesetzte Module, sondern als eine einheitliche Architektur aufgebaut werden sollten, die Wahrnehmung, Schlussfolgerung, Vorhersage, Generierung und Aktion in einem einzigen System zusammenführt.“In realen Tests zeigten Roboter, die mit Motubrain trainiert wurden, die Fähigkeit zur Anpassung während der Ausführung.

Wenn beispielsweise eine Aufgabe mitten

Wenn beispielsweise eine Aufgabe mitten in der Aktion fehlschlug, wie das erfolglose Aufheben eines Objekts, konnte das System das Versagen erkennen und ohne vorheriges Training für dieses spezifische Szenario erneut versuchen.

Das Unternehmen gibt an, dass das Modell bereits industriellen, kommerziellen und häuslichen Umgebungen eingesetzt wird. Partnerschaften mit Unternehmen wie Astribot, SimpleAI und Anyverse Dynamics zielen darauf ab, den Einsatz weiter auszubauen.

Mit einer Series-B-Finanzierung in Höhe von 293 Millionen US-Dollar, die ührt wurde, positioniert sich ShengShu mit Motubrain als entscheidender Schritt hin zu allgemeinen, verkörperten KI-Systemen, die in verschiedenen realen Umgebungen arbeiten können.