JawabanDipublikasikan16 sumber
Dari demonstrasi pekerja menjadi keterampilan robot: cara kerja KINO-2
KINO 2 mengubah demonstrasi tugas menjadi keterampilan menangani objek: model dilatih dan disempurnakan, diuji pada robot KR1, lalu dibawa ke uji coba pelanggan. Dengan Isaac OS, TensorRT, dan kuantisasi model, Bear Robotics melaporkan waktu inferensi Isaac GR00T turun dari sekitar 500 menjadi 60 milidetik; model in...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- KINO 2 mengubah demonstrasi tugas menjadi keterampilan menangani objek: model dilatih dan disempurnakan, diuji pada robot KR1, lalu dibawa ke uji coba pelanggan.
- Dengan Isaac OS, TensorRT, dan kuantisasi model, Bear Robotics melaporkan waktu inferensi Isaac GR00T turun dari sekitar 500 menjadi 60 milidetik; model internalnya dari 72,3 menjadi 17,2 milidetik.
- Angka tersebut mengukur waktu inferensi model, bukan durasi atau keberhasilan satu siklus kerja robot secara menyeluruh.
AI Perintah
openai.comCreate a landscape editorial hero image for this Studio Global article: How does Bear Robotics’ KINO-2 robot-learning platform, launched on October 21, 2026, at NVIDIA GTC Berlin, turn human task demonstrations i. Article summary: KINO-2 is Bear Robotics’ learning-and-deployment platform for turning human task demonstrations into manipulation skills on its KR1 humanoid, announced on October 21, 2026, at NVIDIA GTC Berlin. Its central aim is to con. Topic tags: general, general web. 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, charts with fake numbers, clic
Bear Robotics memperkenalkan KINO-2 di NVIDIA GTC Berlin pada 21 Oktober 2026. Platform pembelajaran dan penerapan ini dirancang untuk mengubah demonstrasi tugas manusia menjadi keterampilan robot KR1 dalam menangani objek—melengkapi kemampuan sistem Bear yang sudah mencakup pemindahan barang. 4
20
Gagasan utamanya sederhana: alih-alih memprogram setiap gerakan satu per satu, Bear mengumpulkan contoh tugas, melatih dan menyempurnakan model, lalu menguji keterampilan yang dihasilkan pada KR1 sebelum memasukkannya ke uji coba pelanggan. Tujuannya adalah menghubungkan kemampuan mengambil dan memindahkan benda dengan sistem mobilitas serta alur kerja robot yang sudah ada. 10
20
Dari contoh tugas ke uji coba pelanggan
KINO-2 melanjutkan program pembelajaran robot KINO yang lebih awal. Pada 2026, Bear Robotics mengakuisisi Kinisi Robotics, sehingga KR1 dan program KINO awal masuk ke dalam portofolionya. KINO-2 membawa pengembangan tersebut ke arah penerapan komersial. 10
21
Bear menyebut pengemasan barang di gudang sebagai salah satu contoh penggunaan: KR1 dapat belajar mengambil botol dan memasukkannya ke dalam peti, sementara sistem Bear yang lebih luas membantu menghubungkan penanganan barang dengan mobilitas dan alur kerja. Uji coba dengan pelanggan sedang berlangsung. Bear menyatakan telah mengoperasikan lebih dari 16.000 robot—sebagian besar robot layanan—di lebih dari 5.000 lokasi pelanggan. 10
20
Peran teknologi NVIDIA dan angka yang dilaporkan
KINO-2 menggunakan NVIDIA Isaac OS sebagai lingkungan untuk menjalankan sistem persepsi KR1. Menurut Bear, Isaac OS, yang mencakup Holoscan SDK 5.0, menghubungkan pemrosesan persepsi dengan inferensi model pada NVIDIA Jetson AGX Thor. Bear juga menyebut penggunaan TensorRT dan kuantisasi model untuk mengoptimalkan inferensi. 4
Dalam pengukuran internal yang dilaporkan perusahaan, waktu inferensi Isaac GR00T turun dari sekitar 500 milidetik menjadi sekitar 60 milidetik. Untuk model buatan Bear sendiri, waktunya turun dari 72,3 menjadi 17,2 milidetik. 4
6
NVIDIA menyebut Bear menggunakan KINO-2 untuk melakukan pascapelatihan GR00T bagi alur kerja pergudangan, pemrosesan retur, dan industri. 9 Namun, informasi yang tersedia tidak merinci dukungan KINO-2 untuk model fondasi eksternal ataupun mengukur seberapa banyak rekayasa khusus tugas yang dapat dikurangi. Karena itu, kemampuan tersebut tidak sebaiknya dianggap sudah terbukti hanya dari gambaran umum platform.
Apa yang belum bisa disimpulkan
Waktu inferensi adalah lama yang dibutuhkan model untuk menghasilkan keluaran. Angka yang lebih rendah dapat membantu respons robot, tetapi tidak dengan sendirinya membuktikan bahwa satu tugas gudang atau pemrosesan retur selesai lebih cepat, lebih akurat, atau lebih konsisten dalam jangka panjang. Hasil yang dipublikasikan di sini belum memuat durasi tugas secara menyeluruh, tingkat akurasi manipulasi, maupun data keandalan jangka panjang. 6
10
20
Jadi, kemajuan yang diklaim KINO-2 terutama terletak pada alur dari demonstrasi hingga uji coba: keterampilan yang dicontohkan manusia dilatih, dievaluasi pada KR1, lalu dicoba dalam lingkungan pelanggan. Seberapa baik robot bekerja dalam penerapan nyata masih perlu dinilai dari hasil tugas di lapangan.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Dari demonstrasi pekerja menjadi keterampilan robot: cara kerja KINO-2"?
KINO 2 mengubah demonstrasi tugas menjadi keterampilan menangani objek: model dilatih dan disempurnakan, diuji pada robot KR1, lalu dibawa ke uji coba pelanggan.
Apa poin penting yang harus divalidasi terlebih dahulu?
KINO 2 mengubah demonstrasi tugas menjadi keterampilan menangani objek: model dilatih dan disempurnakan, diuji pada robot KR1, lalu dibawa ke uji coba pelanggan. Dengan Isaac OS, TensorRT, dan kuantisasi model, Bear Robotics melaporkan waktu inferensi Isaac GR00T turun dari sekitar 500 menjadi 60 milidetik; model internalnya dari 72,3 menjadi 17,2 milidetik.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Angka tersebut mengukur waktu inferensi model, bukan durasi atau keberhasilan satu siklus kerja robot secara menyeluruh.