JawabanDipublikasikan19 sumber
GE-Act 2.0 AgiBot: Apa yang Benar-Benar Ditunjukkan Studi Skalanya
AgiBot melaporkan bahwa peningkatan data pelatihan embodied sebesar 100 kali, dari 300 menjadi 30.000 jam, menaikkan keberhasilan zero shot robot nyata G1 OP dari 17,1% menjadi 44,1%, serta G2 90D dari 13,4% menjadi 3... GE Act 2.0 dilatih dari inisialisasi acak dengan data manipulasi, bukan sekadar mengadaptasi mod...
Diterbitkan olehDiedit dengan GPT-5.6 TerraGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- AgiBot melaporkan bahwa peningkatan data pelatihan embodied sebesar 100 kali, dari 300 menjadi 30.000 jam, menaikkan keberhasilan zero shot robot nyata G1 OP dari 17,1% menjadi 44,1%, serta G2 90D dari 13,4% menjadi 3...
- GE Act 2.0 dilatih dari inisialisasi acak dengan data manipulasi, bukan sekadar mengadaptasi model video yang telah dipelajari dari web.
- Temuan paling menarik adalah makin banyak tugas yang sebelumnya sama sekali gagal mulai berhasil—termasuk melipat handuk dan menyusun gelas—serta adanya indikasi transfer kemampuan ke tubuh robot yang berbeda.
AI Perintah
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 adalah upaya AgiBot membangun model dunia–aksi (world–action model) khusus robot dari nol. Alih-alih mengadaptasi model video umum yang telah dilatih menggunakan data web, komponen visual, prediksi kondisi masa depan, dan aksi pada sistem ini diinisialisasi secara acak lalu dipralatih dengan data manipulasi embodied—yakni data yang terhubung dengan interaksi fisik dan tindakan. Klaim utamanya bukan sekadar robot menjadi lebih andal ketika datanya ditambah: AgiBot melaporkan bahwa sejumlah tugas manipulasi halus yang sebelumnya gagal mulai dapat dilakukan saat skala pelatihan naik dari 300 menjadi 30.000 jam. 17
Ini merupakan hasil riset yang penting, tetapi perlu dibaca secara proporsional. Buktinya berasal dari protokol evaluasi yang dilaporkan AgiBot, pada dua bentuk fisik robot dan 100 tugas atomik. Hasil tersebut belum menunjukkan bahwa GE-Act 2.0 dapat bekerja mandiri dalam kondisi apa pun di rumah, pabrik, atau pada semua jenis perangkat keras robot.
Intinya: membayangkan hasil yang berguna, lalu bergerak ke arah hasil itu
Model dunia–aksi menyatukan persepsi, prediksi, dan kontrol. Saat menerima instruksi bahasa seperti menaruh sebuah benda di lokasi tertentu, robot harus mengenali kondisi lingkungan saat ini, memperkirakan seperti apa keadaan yang menandakan tugas berhasil, lalu mengeluarkan perintah motor untuk mencapainya.
GE-Act 2.0 membagi pekerjaan tersebut ke dalam tiga komponen yang dilaporkan:
- Control-oriented autoencoder (CoAE): memampatkan masukan visual sembari mempertahankan informasi yang relevan terhadap instruksi dan tindakan robot.
- Single-step visual planner (SVP): menghasilkan kondisi visual masa depan yang berguna dalam satu proses diferensiabel, alih-alih membuat rangkaian panjang prediksi video.
- Inverse-dynamics model (IDM): menurunkan aksi robot yang dapat dieksekusi dari kondisi saat ini dan kondisi masa depan yang direncanakan.
17
AgiBot menyebut metode pelatihannya Knowledge-Aligned Selective Optimization (KASO). Dalam makalahnya, metode ini dipaparkan sebagai cara mengoordinasikan komponen perencanaan visual dan pembelajaran aksi, sambil memungkinkan keduanya dipralatih menggunakan data yang saling melengkapi. 17
Tim tersebut juga melaporkan inferensi satu potongan aksi (action chunk) dalam 104 milidetik pada satu GPU RTX 5090. Angka ini relevan karena kebijakan manipulasi harus terus mengamati dan merespons situasi. Rencana visual yang tampak masuk akal tidak banyak membantu bila perintah kontrol berikutnya keluar terlalu lambat. 5
Arti “dilatih dari nol”
Banyak sistem pembelajaran robot memanfaatkan model yang sebelumnya telah belajar dari korpus gambar atau video web berskala besar. Sebaliknya, GE-Act 2.0 menginisialisasi komponen generatif dan aksinya secara acak, lalu melatihnya menggunakan data manipulasi. 17
Pendekatan ini membuat eksperimen skalanya lebih terfokus. Para peneliti menguji apakah tambahan data embodied dapat menghasilkan peningkatan manipulasi robot yang sistematis, bukan sekadar mengukur manfaat dari model fondasi video web yang sudah ada.
Resep pelatihan yang dilaporkan dapat memakai berbagai tipe data: lintasan teleoperasi robot, video manusia dari sudut pandang orang pertama, data rollout tanpa label, hingga data kegagalan. Hal ini penting karena demonstrasi robot berkualitas tinggi mahal untuk dikumpulkan. Metode yang dapat belajar dari interaksi tidak sempurna atau hanya sebagian berlabel berpotensi membuat pengumpulan data lebih praktis. 6
20
Eksperimen peningkatan data 100 kali lipat
AgiBot melatih beberapa versi model menggunakan 300, 1.200, 5.000, dan 30.000 jam data manipulasi. Perbandingan akhir itu mencakup peningkatan skala data hingga 100 kali lipat. 4
17
Evaluasi utamanya dirancang sebagai pengujian zero-shot pada robot nyata, yakni robot tidak mendapat pelatihan khusus untuk tugas ujian tersebut:
- 100 tugas manipulasi atomik;
- 20 kelompok keterampilan;
- adegan, latar, pencahayaan, dan contoh objek yang tidak dikenal sebelumnya;
- dua wujud robot: humanoid G1-OP dan manipulator bergerak G2-90D;
- tanpa fine-tuning khusus tugas, demonstrasi untuk tugas evaluasi, ataupun penggantian model.
4
Dalam protokol tersebut, keberhasilan agregat yang dilaporkan meningkat seiring bertambahnya skala data:
| Wujud robot | Keberhasilan pada 300 jam | Keberhasilan pada 30.000 jam |
|---|---|---|
| G1-OP | 17,1% | 44,1% |
| G2-90D | 13,4% | 31,1% |
Angka-angka ini adalah hasil yang dilaporkan dalam studi GE-Act 2.0. 3
17
Kesimpulan paling langsungnya: untuk model dan distribusi tugas dalam studi ini, data embodied yang lebih banyak berkaitan dengan kenaikan substansial dalam keberhasilan tugas zero-shot. Kurva hasil yang dilaporkan dari 5.000 hingga 30.000 jam juga belum memperlihatkan titik jenuh yang jelas; penulis menafsirkan hal tersebut sebagai tanda bahwa peningkatan skala lebih lanjut mungkin masih membantu. 5
Mengapa efek “menyala” ini menarik
Kenaikan rata-rata keberhasilan dapat saja berarti robot hanya makin konsisten pada tugas yang sejak awal sudah bisa dikerjakan. AgiBot menyatakan bahwa kondisi model dan data yang lebih besar menunjukkan hal yang lebih kuat: jumlah tugas dengan keberhasilan nonnol ikut bertambah.
Pada G1-OP, jumlah tugas atomik yang berhasil diselesaikan dilaporkan naik dari 39 menjadi 76 dari total 100 tugas, ketika data pelatihan bertambah dari 300 menjadi 30.000 jam. 4
Contoh keterampilan yang disebutkan meliputi:
- melipat handuk;
- menyusun atau memasukkan gelas satu ke dalam gelas lain;
- melepas dan memasang tutup pena;
- merangkai bunga.
8
Inilah dasar istilah “light-up” atau keterampilan yang “menyala”. Dalam uji yang dilaporkan, peningkatan data tidak hanya dikaitkan dengan eksekusi yang lebih baik pada kemampuan lama, melainkan juga dengan keterampilan halus yang baru menjadi mungkin dalam kondisi zero-shot setelah sebelumnya gagal pada skala lebih kecil.
Namun, istilah tersebut tidak boleh dibaca sebagai bukti kecerdasan umum yang tiba-tiba muncul. Ini adalah deskripsi atas cakupan tugas yang teramati dalam sebuah benchmark terbatas. Apakah pola sama berlaku pada objek yang lebih beragam, pekerjaan yang lebih panjang, lingkungan berisiko tinggi, atau rancangan robot baru masih merupakan pertanyaan terbuka.
Apa arti hasil G2-90D untuk transfer antartubuh robot
G2-90D menyediakan bukti studi ini mengenai transfer lintas wujud robot. AgiBot melaporkan bahwa manipulator bergerak beroda ini menyumbang kurang dari 2% data pelatihan gabungan, tetapi keberhasilan agregatnya naik 17,7 poin persentase antara kondisi data kecil dan besar. 3
17
Hasil tersebut mengisyaratkan bahwa sebagian struktur visual dan informasi yang relevan terhadap aksi dapat dipakai bersama oleh tubuh robot yang berbeda. Ini menjadi sinyal positif bagi masa depan ketika kebijakan robot tidak perlu dibangun sepenuhnya dari awal untuk setiap mesin.
Tetapi, ini bukan bukti kecerdasan robot yang independen dari perangkat keras. Buktinya terbatas pada dua wujud robot yang diuji serta distribusi tugas studi tersebut. G2-90D juga tetap memiliki representasi dalam data pelatihan gabungan; hasil ini tidak membuktikan transfer tanpa data ke robot baru yang sembarang.
Hubungan GE-Act dan GE-Sim
GE-Act merupakan bagian dari platform Genie Envisioner (GE) milik AgiBot, yang dijelaskan sebagai platform terpadu untuk pembelajaran kebijakan robot, evaluasi, dan simulasi dalam kerangka generatif berbasis video. 18
Dalam kerangka lebih luas itu, GE-Act adalah komponen yang berorientasi pada aksi, sedangkan GE-Sim merupakan komponen simulasi dunia yang dimaksudkan untuk menghasilkan rollout yang dikondisikan oleh aksi, untuk evaluasi dan pengembangan. 18
19
Pembedaan ini penting: hasil utama GE-Act 2.0 didasarkan pada pengujian zero-shot pada robot fisik. GE-Sim mungkin merupakan infrastruktur terkait dalam platform tersebut, tetapi bukan dasar klaim sentral bahwa model ini menjalankan tugas manipulasi dunia nyata tanpa fine-tuning khusus tugas atau demonstrasi saat evaluasi.
Hasil fine-tuning adalah temuan yang terpisah
AgiBot juga melaporkan hasil setelah fine-tuning pada benchmark yang berorientasi simulasi. Dalam pelaporan yang tersedia, GE-Act 2.0 memperoleh tingkat keberhasilan 60,52% pada pengujian RoboTwin di lingkungan yang belum dilihat dan skor 0,770 pada kepatuhan instruksi GenieSim; skor terakhir dilaporkan lebih tinggi daripada hasil pembanding π0.5 dan GR00T N1.7. 20
Hasil ini dapat berguna untuk mengukur adaptasi dan performa benchmark, tetapi menjawab pertanyaan yang berbeda dari eksperimen robot fisik zero-shot. Skor benchmark setelah fine-tuning tidak seharusnya dipakai sebagai bukti bahwa kemampuan yang sama dicapai tanpa adaptasi spesifik tugas.
Kesimpulan praktis
GE-Act 2.0 menonjol karena menguji satu gagasan penting dalam AI embodied: apakah model dunia–aksi yang dilatih langsung dengan data manipulasi dapat meningkat secara terprediksi ketika jumlah datanya bertambah?
Dalam eksperimen yang dilaporkan AgiBot, jawabannya adalah ya. Memperluas set pelatihan dari 300 menjadi 30.000 jam beriringan dengan kenaikan besar keberhasilan zero-shot pada G1-OP dan G2-90D, cakupan tugas yang lebih luas, serta kemunculan keterampilan halus seperti melipat handuk dan menyusun gelas pada kondisi data berskala lebih besar. 3
4
17
Kesimpulan yang tepat lebih sempit daripada janji robot serbaguna: GE-Act 2.0 memberikan bukti bahwa peningkatan skala data manipulasi embodied dapat menghasilkan kemampuan baru yang terukur dalam evaluasi robot nyata yang terkontrol. Replikasi independen, pengujian pada perangkat keras yang lebih beragam, serta evaluasi yang lebih kuat untuk tugas jangka panjang dan keselamatan masih diperlukan sebelum model ini dianggap sebagai solusi umum bagi otonomi robot.
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 "GE-Act 2.0 AgiBot: Apa yang Benar-Benar Ditunjukkan Studi Skalanya"?
AgiBot melaporkan bahwa peningkatan data pelatihan embodied sebesar 100 kali, dari 300 menjadi 30.000 jam, menaikkan keberhasilan zero shot robot nyata G1 OP dari 17,1% menjadi 44,1%, serta G2 90D dari 13,4% menjadi 3...
Apa poin penting yang harus divalidasi terlebih dahulu?
AgiBot melaporkan bahwa peningkatan data pelatihan embodied sebesar 100 kali, dari 300 menjadi 30.000 jam, menaikkan keberhasilan zero shot robot nyata G1 OP dari 17,1% menjadi 44,1%, serta G2 90D dari 13,4% menjadi 3... GE Act 2.0 dilatih dari inisialisasi acak dengan data manipulasi, bukan sekadar mengadaptasi model video yang telah dipelajari dari web.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Temuan paling menarik adalah makin banyak tugas yang sebelumnya sama sekali gagal mulai berhasil—termasuk melipat handuk dan menyusun gelas—serta adanya indikasi transfer kemampuan ke tubuh robot yang berbeda.