AnswersPublished19 sources
AgiBot GE-Act 2.0: mitä 30 000 tunnin robottitutkimus todella kertoo
AgiBot raportoi, että GE Act 2.0:n opetusdatan kasvattaminen 100 kertaiseksi, 300 tunnista 30 000 tuntiin, nosti nollalaukauksen onnistumisasteen G1 OP:llä 17,1 prosentista 44,1 prosenttiin ja G2 90D:llä 13,4 prosenti... Malli koulutetaan satunnaisalustuksesta käsittelydataan sen sijaan, että se muokattaisiin valmii...
JulkaisijaMuokattu mallilla GPT-5.6 TerraKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- AgiBot raportoi, että GE Act 2.0:n opetusdatan kasvattaminen 100 kertaiseksi, 300 tunnista 30 000 tuntiin, nosti nollalaukauksen onnistumisasteen G1 OP:llä 17,1 prosentista 44,1 prosenttiin ja G2 90D:llä 13,4 prosenti...
- Malli koulutetaan satunnaisalustuksesta käsittelydataan sen sijaan, että se muokattaisiin valmiiksi opetetusta verkkovideomallista.
- Tutkimuksen vahvin havainto on, että suurempi aineisto kasvatti myös kokonaan toimivien taitojen määrää: esimerkiksi pyyhkeen taittelu ja kuppien sisäkkäin asettaminen alkoivat onnistua suuremmassa koulutusasetelmassa.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is AgiBot’s GE-Act 2.0 native world-action model, and how do its random-initialization training approach, 100-fold embodied-data scalin. Article summary: GE-Act 2.0 is AgiBot’s “native” world–action model: its visual representation, future-state generation, and action-prediction components are trained from random initialization on manipulation data, rather than adapting a. Topic tags: general, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
GE-Act 2.0 on AgiBotin yritys rakentaa robottien maailma–toimintamalli alusta asti käsittelytehtäviä varten. Yleisten verkkovideoiden pohjalta opetettua mallia ei vain soviteta robotille, vaan mallin opetettavat näkö-, tulevan tilan ennustus- ja toimintakomponentit alustetaan satunnaisesti ja esikoulutetaan kehollisen vuorovaikutuksen datalla.
Keskeinen väite ei ole vain, että robotti suoriutuu tutuista tehtävistä luotettavammin datamäärän kasvaessa. AgiBot raportoi, että aiemmin epäonnistuneet tarkat käsittelytehtävät alkoivat onnistua, kun opetusmäärä kasvoi 300 tunnista 30 000 tuntiin. 17
Tulos on robotiikan tutkimuksen kannalta merkittävä, mutta sitä on syytä lukea täsmällisesti. Näyttö perustuu AgiBotin raportoimaan arviointiin kahdella robottityypillä ja 100 atomaarisella tehtävällä. Se ei osoita, että GE-Act 2.0 pystyisi itsenäisesti hoitamaan mielivaltaisia tehtäviä kodeissa, tehtaissa tai millä tahansa robottialustalla.
Ensin hyödyllinen tuleva tila, sitten toiminta
Maailma–toimintamalli yhdistää havainnoinnin, ennustamisen ja ohjauksen. Jos robotille annetaan kielellinen ohje asettaa esine johonkin, sen on tunnistettava tilanne, ennakoitava miltä onnistunut seuraava tilanne näyttää ja tuotettava sitä kohti vievät moottorikomennot.
GE-Act 2.0 jakaa työn kolmeen osaan:
- Ohjauspainotteinen autoenkooderi (CoAE): tiivistää näkösyötteen säilyttäen ohjeen ja robotin toiminnan kannalta olennaisen tiedon.
- Yhden askeleen visuaalinen suunnittelija (SVP): tuottaa yhdellä differentioituvalla laskentavaiheella valmiin hyödyllisen tulevan näkymän pitkän videorullausten sarjan sijaan.
- Käänteisdynamiikkamalli (IDM): päättelee toteuttamiskelpoiset robottitoiminnot nykytilasta ja suunnitellusta tulevasta tilasta.
17
AgiBot kutsuu koulutusmenetelmäänsä nimellä Knowledge-Aligned Selective Optimization (KASO). Tutkimuksen mukaan sen tarkoitus on sovittaa visuaalinen suunnittelu ja toimintojen oppiminen yhteen sekä mahdollistaa niiden esikoulutus toisiaan täydentävällä datalla. 17
Tiimi raportoi myös 104 millisekunnin toiminto-osan päättelyajan yhdellä RTX 5090 -näytönohjaimella. Nopeudella on merkitystä, koska käsittelyrobotin täytyy havainnoida ympäristöä ja reagoida siihen toistuvasti: visuaalisesti uskottava suunnitelma ei riitä, jos seuraavan ohjauskomennon tuottaminen on liian hidasta. 5
Mitä satunnaisalustuksesta kouluttaminen tarkoittaa?
Monet robottioppimisen järjestelmät hyödyntävät ensin laajoilla kuva- tai verkkovideoaineistoilla opetettua mallia. GE-Act 2.0:n opetettavat generatiiviset ja toiminnalliset komponentit sen sijaan alustetaan satunnaisesti ja opetetaan käsittelydatalla. 17
Tämä tekee skaalauskokeesta kohdennetumman: tutkijat testaavat, tuottaako lisätty kehollinen data – eli fyysisiin vuorovaikutuksiin ja toimintoihin sidottu aineisto – järjestelmällisesti parempaa robotin käsittelykykyä. Kyse ei siis ole valmiin verkkovideomallin hyödystä.
Raportoidussa koulutusreseptissä voidaan käyttää esimerkiksi robotin etäohjauksella kerättyjä ratoja, ihmisen ensimmäisen persoonan videoita, merkitsemättömiä suoritusyrityksiä ja myös epäonnistumisdataa. Tämä on käytännössä tärkeää, koska laadukkaiden robottidemonstraatioiden kerääminen on kallista. 6
20
100-kertainen datan skaalauskoe
AgiBot opetti malliversioita 300, 1 200, 5 000 ja 30 000 tunnin käsittelydatalla. Laajin vertailu kattaa siten 100-kertaisen lisäyksen opetusdatassa. 4
17
Pääarviointi tehtiin nollalaukauksena oikeilla roboteilla. Se tarkoittaa, ettei arviointitehtäviin tehty tehtäväkohtaista hienosäätöä, annettu demonstraatioita tai vaihdettu mallia.
- 100 atomaarista käsittelytehtävää
- 20 taitoryhmää
- ennestään näkemättömiä tilanteita, taustoja, valaistuksia ja esineiden yksilöitä
- kaksi robottialustaa: humanoidi G1-OP ja liikkuva käsittelyrobotti G2-90D.
4
AgiBotin raportoimat yhteenlasketut onnistumisasteet paranivat datamäärän kasvaessa seuraavasti:
| Robottialusta | Onnistuminen 300 tunnilla | Onnistuminen 30 000 tunnilla |
|---|---|---|
| G1-OP | 17,1 % | 44,1 % |
| G2-90D | 13,4 % | 31,1 % |
Kyse on GE-Act 2.0 -tutkimuksen raportoimista tuloksista. 3
17
Suorin johtopäätös on, että juuri tässä mallissa ja tässä tehtäväjakaumassa suurempi kehollisen datan määrä liittyi selvästi parempaan nollalaukaussuoriutumiseen. Raportoiduissa käyrissä 5 000 ja 30 000 tunnin välillä ei näkynyt selvää tasaantumista, minkä tekijät tulkitsevat merkiksi siitä, että lisäskaalaamisesta voi vielä olla hyötyä. 5
Miksi taitojen ”syttyminen” on kiinnostava havainto?
Keskimääräisen onnistumisasteen nousu voisi tarkoittaa vain sitä, että robotti tekee jo ennestään osaamansa tehtävät varmempina. AgiBotin mukaan suuremman data- ja malliasetelman tulos oli vahvempi: myös niiden tehtävien määrä kasvoi, joissa robotti ylipäätään saavutti muuta kuin nollaonnistumista.
G1-OP:llä vähintään kerran onnistuneiden atomaaristen tehtävien määrä nousi raportin mukaan 39:stä 76:een sadasta, kun opetusdata kasvoi 300 tunnista 30 000 tuntiin. 4
Esimerkkeinä mainitaan:
- pyyhkeiden taittelu
- kuppien asettaminen sisäkkäin
- kynän korkin irrottaminen ja kiinnittäminen
- kukka-asetelmien tekeminen.
8
Tähän perustuu tutkimuksen ilmaus taitojen ”syttymisestä”. Raportoiduissa kokeissa datan skaalaus ei liittynyt vain jo toimivien taitojen parempaan suoritusvarmuuteen, vaan myös siihen, että uusia tarkkuutta vaativia taitoja tuli mahdollisiksi nollalaukausasetelmassa.
Ilmausta ei silti pidä tulkita todisteeksi äkillisestä yleisälystä. Se kuvaa rajallisessa vertailuaineistossa nähtyä tehtäväkattavuuden kasvua. Avoimeksi jää, toistuuko sama ilmiö vaihtelevammilla esineillä, pidemmissä tehtäväketjuissa, turvallisuuskriittisissä ympäristöissä tai uusissa robottimalleissa.
Mitä G2-90D kertoo siirrettävyydestä?
G2-90D tarjoaa tutkimuksen näytön robottialustojen välisestä siirrosta. AgiBotin mukaan tämä pyörillä liikkuva käsittelyrobotti muodosti alle 2 % yhteiskoulutusdatasta, mutta sen yhteenlaskettu onnistumisaste nousi pienimmän ja suurimman datamäärän välillä 17,7 prosenttiyksikköä. 3
17
Tulos viittaa siihen, että ainakin osa opitusta näkö- ja toimintarakenteesta voi olla jaettavissa erilaisten robottirunkojen kesken. Se on lupaava merkki, jos tulevaisuuden tavoitteena on välttää jokaisen robotin kyvykkyyksien rakentaminen täysin alusta.
Se ei kuitenkaan osoita laitteistoriippumatonta robottiälyä. Näyttö rajoittuu kahteen arvioituun robottialustaan ja tutkimuksen tehtäväjakaumaan. G2-90D oli myös mukana yhteiskoulutuksessa, joten tulos ei tarkoita siirtoa täysin uuteen robottiin ilman lainkaan kyseisen alustan dataa.
GE-Act ja GE-Sim eivät ole sama asia
GE-Act kuuluu AgiBotin laajempaan Genie Envisioner (GE) -alustaan, jonka kuvataan yhdistävän robottipolitiikkojen oppimisen, arvioinnin ja simulaation yhteiseen videogeneratiiviseen kehykseen. 18
Tässä kokonaisuudessa GE-Act on toimintaan painottuva osa. GE-Sim puolestaan on maailmansimulointikomponentti, jonka tarkoitus on tuottaa toimintoihin sidottuja simulointijaksoja arviointia ja kehitystä varten. 18
19
Ero on olennainen: GE-Act 2.0:n pääväite perustuu nollalaukaustesteihin fyysisillä roboteilla. GE-Sim voi olla laajemman alustan kannalta tärkeä infrastruktuuri, mutta se ei ole perustana väitteelle, jonka mukaan malli suoritti raportoidut käsittelytehtävät oikeassa maailmassa ilman tehtäväkohtaista hienosäätöä tai arviointivaiheen demonstraatioita.
Hienosäätövertailut ovat erillinen tulos
AgiBot raportoi myös hienosäädettyjä tuloksia simulointipainotteisissa vertailuissa. Annettujen raporttien mukaan GE-Act 2.0 saavutti RoboTwinin näkemätön ympäristö -testissä 60,52 %:n onnistumisasteen ja GenieSimin ohjeiden noudattamisen testissä tuloksen 0,770. Jälkimmäisen kerrotaan ylittäneen vertailussa π0.5- ja GR00T N1.7 -mallien tulokset. 20
Tulokset voivat olla käyttökelpoisia mittareita mallin mukautuvuudesta ja vertailusuoriutumisesta, mutta ne vastaavat eri kysymykseen kuin fyysisten robottien nollalaukauskoe. Hienosäädettyjä vertailupisteitä ei pidä käyttää näyttönä siitä, että sama kyky saavutettiin ilman tehtäväkohtaista mukauttamista.
Mitä tutkimuksesta kannattaa ottaa mukaan?
GE-Act 2.0 on kiinnostava, koska se testaa kehollisen tekoälyn keskeistä kysymystä: voiko suoraan käsittelydatalla opetettu maailma–toimintamalli kehittyä ennustettavasti datamäärän kasvaessa?
AgiBotin raportoimassa kokeessa vastaus on kyllä. Opetusaineiston kasvattaminen 300 tunnista 30 000 tuntiin osui yhteen G1-OP:n ja G2-90D:n nollalaukausonnistumisen huomattavan paranemisen, laajemman tehtäväkattavuuden sekä pyyhkeen taittelun ja kuppien sisäkkäin asettamisen kaltaisten taitojen ilmaantumisen kanssa suuremmassa koulutusasetelmassa. 3
4
17
Johtopäätöksen kannattaa silti olla markkinointiväitteitä kapeampi: GE-Act 2.0 tarjoaa näyttöä siitä, että kehollisen käsittelydatan skaalaus voi tuottaa uusia, mitattavia robottikykyjä kontrolloidussa oikeiden robottien arvioinnissa. Riippumattomia toistoja, laajempia laitteistokokeita sekä vahvempia pitkän aikavälin ja turvallisuuden arviointeja tarvitaan ennen kuin sitä voidaan pitää yleisratkaisuna robottien autonomiaan.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "AgiBot GE-Act 2.0: mitä 30 000 tunnin robottitutkimus todella kertoo"?
AgiBot raportoi, että GE Act 2.0:n opetusdatan kasvattaminen 100 kertaiseksi, 300 tunnista 30 000 tuntiin, nosti nollalaukauksen onnistumisasteen G1 OP:llä 17,1 prosentista 44,1 prosenttiin ja G2 90D:llä 13,4 prosenti...
What are the key points to validate first?
AgiBot raportoi, että GE Act 2.0:n opetusdatan kasvattaminen 100 kertaiseksi, 300 tunnista 30 000 tuntiin, nosti nollalaukauksen onnistumisasteen G1 OP:llä 17,1 prosentista 44,1 prosenttiin ja G2 90D:llä 13,4 prosenti... Malli koulutetaan satunnaisalustuksesta käsittelydataan sen sijaan, että se muokattaisiin valmiiksi opetetusta verkkovideomallista.
What should I do next in practice?
Tutkimuksen vahvin havainto on, että suurempi aineisto kasvatti myös kokonaan toimivien taitojen määrää: esimerkiksi pyyhkeen taittelu ja kuppien sisäkkäin asettaminen alkoivat onnistua suuremmassa koulutusasetelmassa.