ОтветыОпубликовано19 источники
GE-Act 2.0 от AgiBot: что на самом деле показал эксперимент с 30 000 часами данных
По данным AgiBot, увеличение объёма обучающих данных в 100 раз — с 300 до 30 000 часов — повысило успех в zero shot тестах на реальных роботах с 17,1% до 44,1% для G1 OP и с 13,4% до 31,1% для G2 90D. GE Act 2.0 обучается со случайной инициализации на данных физических манипуляций, а не дообучается поверх готовой ви...
ОпубликовалОтредактировано с помощью GPT-5.6 TerraИзображения созданы с помощью GPT Image 2
Ответ на исследование
Ключевые выводы
- По данным AgiBot, увеличение объёма обучающих данных в 100 раз — с 300 до 30 000 часов — повысило успех в zero shot тестах на реальных роботах с 17,1% до 44,1% для G1 OP и с 13,4% до 31,1% для G2 90D.
- GE Act 2.0 обучается со случайной инициализации на данных физических манипуляций, а не дообучается поверх готовой видеомодели из интернета; архитектура связывает визуальное планирование с моделью обратной динамики.
- Главный заявленный результат — расширение набора навыков, которые вообще начали выполняться: в частности, складывание полотенец и вкладывание стаканов один в другой, а также признаки переноса навыков между разными роб...
Промпт ИИ
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 — попытка AgiBot создать для роботов модель «мир—действие» с нуля. Вместо адаптации общей видеомодели, предварительно обученной на веб-данных, её обучаемые визуальные, прогнозные и управляющие компоненты инициализируются случайно и предварительно обучаются на данных физических манипуляций.
Главный тезис работы не сводится к тому, что больше данных делают робота немного надёжнее. По отчёту AgiBot, при росте обучения с 300 до 30 000 часов некоторые ранее неудачные задачи тонкой манипуляции начинают выполняться. 17
Это содержательный исследовательский результат, но читать его следует без чрезмерных обобщений. Данные получены в рамках заявленного авторами протокола оценки: на двух роботизированных платформах и 100 элементарных задачах. Они не доказывают, что GE-Act 2.0 способен самостоятельно справляться с произвольной домашней обстановкой, производственным цехом или любым новым роботом.
Сначала представить результат, затем действовать
Модель «мир—действие» соединяет восприятие, прогнозирование и управление. Получив языковую инструкцию — например, положить предмет в определённое место, — робот должен распознать текущую сцену, представить состояние после успешного выполнения и выдать команды приводам, которые приведут к этому состоянию.
В GE-Act 2.0 эта задача, по описанию AgiBot, разделена на три компонента:
- Control-oriented autoencoder (CoAE) — автоэнкодер, сжимающий визуальный вход, но сохраняющий информацию, важную для инструкции и действий робота;
- Single-step visual planner (SVP) — однокадровый визуальный планировщик, генерирующий итоговое полезное состояние за один дифференцируемый проход, а не через длинную цепочку видеопрогнозов;
- Inverse-dynamics model (IDM) — модель обратной динамики, выводящая исполнимые действия робота из текущего состояния и запланированного будущего.
17
Метод обучения называется Knowledge-Aligned Selective Optimization (KASO). В статье он описан как способ согласовать визуальное планирование и обучение действиям, при этом предварительно обучая части системы на дополняющих друг друга типах данных. 17
Также команда заявляет время инференса одного блока действий в 104 мс на одной RTX 5090. Для манипуляционного робота это существенно: ему нужно непрерывно наблюдать за результатом собственных действий и корректироваться, а не просто однажды построить правдоподобный визуальный план. 5
Что означает «обучение с нуля»
Многие системы обучения роботов используют модель, уже обученную на больших массивах изображений или веб-видео. В GE-Act 2.0 обучаемые генеративные и управляющие компоненты стартуют со случайной инициализации и обучаются на данных манипуляций. 17
Благодаря этому эксперимент с масштабированием выглядит более сфокусированным: исследователи проверяют, дают ли дополнительные воплощённые данные — то есть данные, связанные с физическим взаимодействием и действиями, — систематический прирост в роботизированных манипуляциях. Речь не о пользе уже готовой фундаментальной модели веб-видео.
В заявленном рецепте обучения могут использоваться разные типы данных: траектории телеуправления роботом, видео от первого лица с действиями человека, неразмеченные данные запусков и данные неудачных попыток. Это важно, поскольку качественные демонстрации на роботе собирать дорого; возможность учиться на неполных или неидеальных данных способна сделать сбор датасетов практичнее. 6
20
Эксперимент: данных стало в 100 раз больше
AgiBot обучала версии модели на 300, 1 200, 5 000 и 30 000 часах данных о манипуляциях. Таким образом, крайние точки сравнения различаются в 100 раз. 4
17
Основная оценка была построена как zero-shot-тест на реальных роботах, то есть без специальной адаптации под проверочные задания:
- 100 элементарных задач манипуляции;
- 20 групп навыков;
- незнакомые сцены, фоны, освещение и экземпляры объектов;
- две роботизированные платформы: гуманоид G1-OP и мобильный манипулятор G2-90D;
- отсутствие дообучения под задачу, демонстраций и замены модели для тестовых задач.
4
По этому протоколу совокупная успешность росла вместе с объёмом данных:
| Роботизированная платформа | Успех при 300 часах | Успех при 30 000 часах |
|---|---|---|
| G1-OP | 17,1% | 44,1% |
| G2-90D | 13,4% | 31,1% |
Это заявленные результаты исследования GE-Act 2.0. 3
17
Наиболее прямой вывод: для этой модели и данного распределения задач увеличение объёма воплощённых данных связано с заметным ростом успеха в zero-shot-режиме. На кривых от 5 000 до 30 000 часов авторы не увидели явного плато и интерпретируют это как признак того, что дальнейшее масштабирование ещё может приносить эффект. 5
Почему важен эффект «включения» навыков
Рост средней успешности может означать лишь, что робот стал стабильнее выполнять то, что уже умел. AgiBot утверждает, что при большем объёме данных наблюдалось нечто большее: увеличивалось число задач с ненулевым успехом.
Для G1-OP число элементарных задач, завершённых хотя бы с некоторым успехом, по отчёту выросло с 39 до 76 из 100 при переходе от 300 к 30 000 часам данных. 4
Среди приведённых примеров:
- складывание полотенец;
- вкладывание стаканов один в другой;
- снятие и надевание колпачков на ручки;
- составление цветочных композиций.
8
Именно это авторы называют «включением» навыков. В заявленных испытаниях масштабирование данных было связано не только с более точным выполнением уже доступных действий, но и с тем, что некоторые тонкие навыки стали выполнимыми в zero-shot-условиях, хотя на меньших объёмах обучения не удавались.
Однако не стоит трактовать этот эффект как доказательство внезапного появления общего интеллекта. Это описание охвата задач в ограниченном бенчмарке. Остаётся открытым вопрос, сохранится ли та же закономерность для более разнообразных предметов, длинных последовательностей действий, критичных к безопасности сценариев и новых конструкций роботов.
Что результат G2-90D говорит о переносе навыков
G2-90D служит в исследовании примером переноса между разными корпусами роботов. AgiBot сообщает, что на эту колёсную мобильную платформу приходилось менее 2% данных совместного обучения, но её совокупная успешность между малым и большим режимами данных выросла на 17,7 процентного пункта. 3
17
Это позволяет предположить, что по крайней мере часть изученной визуальной и управляющей структуры можно разделять между различными телами роботов. Для будущих систем это полезный сигнал: политики, возможно, не придётся создавать полностью заново для каждой машины.
Но это не доказывает аппаратно-независимый интеллект. Доказательная база ограничена двумя проверенными платформами и распределением задач данного исследования. Кроме того, G2-90D всё же присутствовал в совместном обучении, поэтому речь не идёт о переносе на совершенно произвольного робота без каких-либо данных о нём.
Связь GE-Act и GE-Sim
GE-Act входит в более широкую платформу AgiBot Genie Envisioner (GE), которая описывается как единая видеогенеративная среда для обучения политик робота, оценки и симуляции. 18
В этой схеме GE-Act — компонент, ориентированный на действия, тогда как GE-Sim — компонент моделирования мира, предназначенный для генерации зависящих от действий развёрток среды при разработке и оценке. 18
19
Это различие принципиально. Главный результат GE-Act 2.0 основан на zero-shot-тестах на физических роботах. GE-Sim может быть связанной инфраструктурой общей платформы, но не является основанием ключевого утверждения: модель выполнила заявленные реальные задачи манипуляции без дообучения под них и без демонстраций во время оценки.
Результаты с дообучением — отдельная история
AgiBot также приводит результаты после дообучения на симуляционных бенчмарках. В предоставленных материалах GE-Act 2.0 достигла 60,52% успеха в тесте RoboTwin на незнакомых средах и оценки 0,770 в задаче следования инструкциям GenieSim; для последней заявлено превосходство над сравниваемыми π0.5 и GR00T N1.7. 20
Это полезные показатели адаптации и результатов на бенчмарках, однако они отвечают на другой вопрос, чем zero-shot-эксперимент на физических роботах. Оценки после дообучения нельзя использовать как доказательство того же уровня способностей без адаптации к задаче.
Практический вывод
GE-Act 2.0 интересна тем, что проверяет простой, но важный для воплощённого ИИ вопрос: может ли модель «мир—действие», обученная напрямую на данных манипуляций, предсказуемо улучшаться по мере роста объёма этих данных?
В эксперименте AgiBot ответ положительный. Расширение обучающей выборки с 300 до 30 000 часов совпало с крупным ростом zero-shot-успеха у G1-OP и G2-90D, более широким охватом задач и появлением в крупном режиме таких навыков, как складывание полотенец и вкладывание стаканов. 3
4
17
Корректный вывод уже маркетингового обещания «универсального робота»: GE-Act 2.0 даёт свидетельство, что масштабирование данных физических манипуляций способно порождать новые измеримые способности в контролируемой оценке на реальных роботах. Прежде чем считать это общим решением задачи автономности роботов, необходимы независимые воспроизведения, проверки на более широком наборе аппаратных платформ, а также более строгие испытания длительных и безопасностно-критичных сценариев.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «GE-Act 2.0 от AgiBot: что на самом деле показал эксперимент с 30 000 часами данных»?
По данным AgiBot, увеличение объёма обучающих данных в 100 раз — с 300 до 30 000 часов — повысило успех в zero shot тестах на реальных роботах с 17,1% до 44,1% для G1 OP и с 13,4% до 31,1% для G2 90D.
Какие ключевые моменты необходимо проверить в первую очередь?
По данным AgiBot, увеличение объёма обучающих данных в 100 раз — с 300 до 30 000 часов — повысило успех в zero shot тестах на реальных роботах с 17,1% до 44,1% для G1 OP и с 13,4% до 31,1% для G2 90D. GE Act 2.0 обучается со случайной инициализации на данных физических манипуляций, а не дообучается поверх готовой видеомодели из интернета; архитектура связывает визуальное планирование с моделью обратной динамики.
Что мне делать дальше на практике?
Главный заявленный результат — расширение набора навыков, которые вообще начали выполняться: в частности, складывание полотенец и вкладывание стаканов один в другой, а также признаки переноса навыков между разными роб...