AnswersPublished16 sources
HOST X Square Robot ubah cara robot belajar kemahiran fizikal
Dalam penilaian yang dilaporkan, satu video manusia selama 29 saat menghasilkan kadar kejayaan purata 62%, berbanding 38% bagi garis dasar Pi 0.5 yang menggunakan kira kira 50 demonstrasi robot dan empat jam penalaan... HOST tidak meniru pergerakan manusia secara langsung atau mengemas kini pemberat model.
Diterbitkan olehDisunting dengan GPT-5.6 LunaImej dijana dengan GPT Image 1.5
Research answer
Key takeaways
- Dalam penilaian yang dilaporkan, satu video manusia selama 29 saat menghasilkan kadar kejayaan purata 62%, berbanding 38% bagi garis dasar Pi 0.5 yang menggunakan kira kira 50 demonstrasi robot dan empat jam penalaan...
- HOST tidak meniru pergerakan manusia secara langsung atau mengemas kini pemberat model.
- Pendekatan ini boleh mengalihkan latihan AI berjasad kepada model kemahiran yang dilatih secara umum dan disesuaikan ketika inferens, sekali gus mengurangkan keperluan teleoperasi serta latihan semula bagi setiap tuga...
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How does X Square Robot’s open-sourced HOST framework change embodied-AI training by enabling a humanoid robot to watch a 29-second human de. Article summary: HOST’s important shift is from task-specific retraining to inference-time skill acquisition: rather than gathering a new teleoperation dataset and updating model weights, the robot conditions on one human video, translat. 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
Idea paling penting di sebalik HOST—singkatan bagi Human-to-robot One-Shot Skill AcquisiTion—bukanlah robot itu kini sudah mahir melakukan semua kerja rumah. Perubahannya terletak pada cara kemahiran fizikal baharu diperkenalkan kepada robot.
Daripada menganggap setiap tugasan sebagai projek latihan yang baharu, HOST menjadikan demonstrasi manusia seakan-akan arahan atau konteks. Robot menonton satu video, mentafsir hasil yang ingin dicapai berdasarkan tubuh dan kameranya sendiri, kemudian mencuba tugasan itu tanpa mengemas kini pemberat model asas. 18
34
Dalam penilaian yang dilaporkan, demonstrasi selama 29 saat menghasilkan kadar kejayaan purata 62%. Sebagai perbandingan, sistem Pi-0.5 dilaporkan mencapai 38% selepas menggunakan kira-kira 50 demonstrasi robot dan empat jam penalaan halus. Angka ini datang daripada susunan eksperimen pengarang dan tidak seharusnya dianggap sebagai tahap kebolehpercayaan untuk penggunaan sebenar. 18
34
Daripada latihan semula kepada penyesuaian ketika inferens
Dalam aliran kerja pembelajaran imitasi tradisional, penyelidik biasanya perlu mengumpulkan demonstrasi baharu bagi setiap tugasan. Data itu kemudiannya digunakan untuk pengoptimuman atau penalaan halus model.
Proses tersebut memerlukan masa manusia mengendalikan robot dari jauh, menggunakan robot untuk pengumpulan data dan berisiko menjejaskan tingkah laku yang telah dipelajari sebelum ini. HOST mengubah tempat berlakunya penyesuaian: model pralatihnya kekal tidak berubah, manakala video demonstrasi dibekalkan sebagai konteks khusus tugasan ketika inferens.
Pendekatan ini lebih hampir kepada pembelajaran dalam konteks (in-context learning) berbanding mengajar model satu tingkah laku baharu secara kekal melalui kemas kini kecerunan. Penyelidikan terdahulu dalam pembelajaran robot turut meneroka kemungkinan model menyesuaikan tingkah laku berdasarkan konteks pemerhatian dan tindakan tanpa mengubah pemberatnya. 20
Namun, robot itu bukan mempelajari semua hukum fizik dari awal dalam masa 29 saat. Gambaran yang lebih tepat ialah model tersebut sudah memiliki asas kemahiran fizikal yang luas, lalu menggunakan satu video untuk memilih, memadankan dan melaksanakan tugasan tertentu.
Mengapa HOST tidak sekadar meniru manusia
Manusia dan robot tidak mempunyai kedudukan kamera, bentuk tangan, sendi, jarak capaian atau kelajuan pergerakan yang sama. Jika piksel atau trajektori sendi manusia disalin secara terus, sistem itu mudah gagal apabila berdepan dengan tubuh robot yang berbeza.
HOST sebaliknya menggunakan rangkaian ramalan yang berasaskan perspektif robot sendiri. Kerangka ini terlebih dahulu menganggarkan kemajuan dalam tugasan yang ditunjukkan, kemudian meramal rupa kemajuan seterusnya dari sudut pandang robot, sebelum menghasilkan tindakan berdasarkan pemerhatian yang diramalkan itu. 18
Komponen yang dilaporkan mempunyai peranan masing-masing:
- Penglihatan mentafsir tugasan dan hasil yang ingin dicapai dalam kerangka persepsi berpusatkan robot.
- Penjanaan tindakan menukar hasil yang diramalkan kepada tingkah laku robot yang boleh dilaksanakan.
- Penyelarasan masa dinamik (dynamic time warping atau DTW) membantu menyelaraskan peringkat tugasan apabila manusia dan robot melakukannya pada kelajuan yang berbeza.
Bezanya penting. Robot tidak perlu mengulangi mekanik tubuh manusia dengan tepat. Ia perlu memahami urutan perubahan keadaan yang bermakna, kemudian mencari cara tersendiri untuk menghasilkan hasil yang sama.
Simulasi dan sains kognitif membentuk resipi yang lebih luas
Reka bentuk HOST selari dengan pandangan bahawa imitasi harus berorientasikan matlamat. Pemerhati mengenal pasti tujuan sesuatu tindakan, kemudian memilih pelan motor yang sesuai dengan tubuhnya sendiri. Ini berbeza daripada menganggap demonstrasi sebagai trajektori yang perlu dimainkan semula bingkai demi bingkai.
Simulasi dan pralatihan berskala besar boleh menyediakan variasi fizikal serta tingkah laku sebelum robot digunakan di dunia sebenar. Video pendek pula membekalkan maklumat khusus yang hanya diperlukan pada ketika itu.
Pembahagian tugas ini mencadangkan satu resipi berpotensi untuk AI berjasad: bina asas pengetahuan fizikal dan tingkah laku yang luas secara luar talian, kemudian khususkan kemahiran dengan pantas menggunakan konteks ketika inferens.
Arah tersebut seiring dengan gerakan lebih luas ke arah set data robot terbuka dan model asas yang dilatih merentasi pelbagai jenis robot. Pengalaman daripada satu platform boleh membantu meningkatkan keupayaan platform lain. 25
Mengapa sumber terbuka HOST penting
X Square Robot telah membuka sumber HOST supaya penyelidik dan pembangun lain lebih mudah memeriksa, menghasilkan semula dan menguji pendekatan tersebut. Pelaksanaan terbuka boleh menunjukkan sejauh mana pemindahan video kepada tindakan benar-benar berfungsi merentasi kamera, manipulator, persekitaran dan tugasan yang berbeza.
Syarikat itu turut menyediakan kod serta peralatan untuk ekosistem model berjasad WALL, termasuk komponen latihan, inferens, penyediaan data dan penilaian. 26
27
Bagi X Square Robot, strategi sumber terbuka ini berpotensi mencapai dua matlamat serentak: mempercepatkan eksperimen pihak luar dan membina keserasian dengan model serta perkakasan syarikat. Namun, tindakan membuka sumber tidak dengan sendirinya mengesahkan keputusan penanda aras HOST.
Nilai utamanya ialah hipotesis tersebut kini lebih mudah diuji: bolehkah keupayaan pralatih robot disesuaikan melalui satu demonstrasi ringkas, tanpa penalaan halus berulang bagi setiap tugasan manipulasi baharu?
Apa yang ditunjukkan oleh keputusan 62%—dan apa yang tidak
Kadar kejayaan 62% ialah hasil penyelidikan yang bermakna, khususnya kerana ia datang bersama pengurangan jumlah demonstrasi dan masa latihan yang dilaporkan. Tetapi angka itu belum bermaksud robot sudah boleh beroperasi secara autonomi dan boleh dipercayai.
Dalam penilaian tersebut, hampir dua daripada setiap lima percubaan masih gagal. Keputusan itu juga belum membuktikan prestasi yang kukuh dalam semua keadaan yang mungkin dihadapi robot rumah, seperti perubahan pencahayaan, ruang berselerak, rupa objek yang berbeza, dinamik sentuhan, pemulihan selepas kesilapan, kekangan keselamatan, urutan tugasan yang lebih panjang atau tubuh robot lain.
Penilaian bebas juga penting kerana makalah tersebut ialah prapenerbitan penyelidikan dan perbandingannya bergantung pada penanda aras tertentu. 18
34
Kesimpulan yang munasabah—dan lebih berguna—bukanlah bahawa robot humanoid kini boleh belajar melakukan kerja rumah hanya dengan satu video. HOST menunjukkan kemungkinan arah baharu untuk AI berjasad: model dilatih secara umum, disesuaikan dengan pantas melalui demonstrasi manusia dan tidak memerlukan kemas kini pemberat bagi setiap kemahiran.
Jika keputusan ini dapat digeneralisasikan di luar penanda aras pengarang, pemerolehan kemahiran ketika inferens mungkin menjadi alternatif serius kepada kitaran teleoperasi, pengumpulan set data dan penalaan halus yang mahal.
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 "HOST X Square Robot ubah cara robot belajar kemahiran fizikal"?
Dalam penilaian yang dilaporkan, satu video manusia selama 29 saat menghasilkan kadar kejayaan purata 62%, berbanding 38% bagi garis dasar Pi 0.5 yang menggunakan kira kira 50 demonstrasi robot dan empat jam penalaan...
What are the key points to validate first?
Dalam penilaian yang dilaporkan, satu video manusia selama 29 saat menghasilkan kadar kejayaan purata 62%, berbanding 38% bagi garis dasar Pi 0.5 yang menggunakan kira kira 50 demonstrasi robot dan empat jam penalaan... HOST tidak meniru pergerakan manusia secara langsung atau mengemas kini pemberat model.
What should I do next in practice?
Pendekatan ini boleh mengalihkan latihan AI berjasad kepada model kemahiran yang dilatih secara umum dan disesuaikan ketika inferens, sekali gus mengurangkan keperluan teleoperasi serta latihan semula bagi setiap tuga...
Sources
arxiv.orgHOST: Robots Acquire Manipulation Skills in Seconds from ...
letsdatascience.comHOST Paper Reports Robot Skill Learning from One Video in 29 Seconds
robotics-transformer-x.github.ioOpen X-Embodiment: Robotic Learning Datasets and RT-X Models
github.comREADME.md - X-Square-Robot/wall-x