AnswersPublished16 sources
HOST, Robot Eğitimini Tek Bir İnsan Videosuyla Değiştirebilir mi?
HOST’un, ortalama 29 saniyelik tek bir insan videosundan yeni manipülasyon becerileri edinirken yüzde 62 başarı oranına ulaştığı bildiriliyor. Sistem, insanın hareketlerini birebir kopyalamak veya model ağırlıklarını güncellemek yerine görevin sonucunu robotun kendi bakış açısından tahmin ediyor ve bu sonuca ulaşaca...
YayımlayanGPT-5.6 Luna ile düzenlendiGörseller GPT Image 1.5 ile oluşturuldu
Research answer
Key takeaways
- HOST’un, ortalama 29 saniyelik tek bir insan videosundan yeni manipülasyon becerileri edinirken yüzde 62 başarı oranına ulaştığı bildiriliyor.
- Sistem, insanın hareketlerini birebir kopyalamak veya model ağırlıklarını güncellemek yerine görevin sonucunu robotun kendi bakış açısından tahmin ediyor ve bu sonuca ulaşacak eylemleri üretiyor.
- Yaklaşım, robotik yapay zekâyı her görev için yeniden veri toplamaya dayalı eğitimden, önceden öğrenilmiş becerilerin çıkarım sırasında kısa gösterimlerle uyarlanmasına doğru taşıyabilir.
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
HOST’un (Human-to-robot One-Shot Skill AcquisiTion) asıl önemi, robotların bir anda ev işlerinde ustalaşması değil. Daha dikkat çekici fikir şu: Yeni bir fiziksel beceri, her seferinde baştan bir eğitim projesi yürütmek yerine, modele verilen bir komut gibi ele alınabilir. Robot, tek bir insan gösterimini izler; gösterilen görevin hedefini kendi gövdesi ve kamera perspektifi içinde yorumlar ve temel modelin ağırlıklarını güncellemeden görevi denemeye başlar. 18
34
Araştırmacıların bildirdiği değerlendirmede, 29 saniyelik bir gösterim ortalama yüzde 62 başarı oranı sağladı. Pi-0.5 sistemiyle yapılan karşılaştırmada ise yaklaşık 50 robot gösterimi ve dört saatlik ince ayar sonrasında yüzde 38 başarı bildirildi. Bu rakamlar çalışmanın kendi deney düzeninden geliyor; gerçek dünyada, özellikle de ev ortamında kullanılabilecek güvenilirlik düzeyi olarak yorumlanmamalı. 18
34
Yeniden eğitimden çıkarım sırasında uyarlamaya
Geleneksel taklit öğrenimi süreçlerinde genellikle her yeni görev için yeni gösterimler toplanır, ardından model optimize edilir veya ince ayardan geçirilir. Bu yaklaşım, uzaktan kumandayla robot yönlendirecek insanlara, robotların kullanım süresine ve ciddi miktarda veriye ihtiyaç duyar. Ayrıca yeni bir beceriyi öğretirken daha önce öğrenilmiş davranışların zayıflaması riski de taşır.
HOST, uyarlamanın gerçekleştiği yeri değiştiriyor. Önceden eğitilmiş model sabit kalıyor; gösterim videosu ise çıkarım sırasında modele verilen, göreve özel bağlam işlevi görüyor. Bu nedenle yöntem, modele kalıcı bir davranış kazandırmak için gradyan güncellemesi yapmaktan çok, bağlam içi öğrenmeye benziyor. Robotik öğrenme alanındaki önceki çalışmalar da modellerin ağırlıklarını değiştirmeden, gözlem-eylem geçmişinden yararlanarak davranışlarını bağlam içinde uyarlayabileceğini araştırdı. 20
Pratik vaat basit: “Robotu ne yapacağını göstermek” ile “robotun görevi denemesi” arasındaki süreyi kısaltmak. Ancak robot, 29 saniyede bütün fizik kurallarını sıfırdan öğrenmiyor. Daha doğru tanım, geniş kapsamlı ön eğitimle edinilmiş bir beceri önceliğinin tek bir videoyu kullanarak yeni görevi seçmesi, kendi gövdesine uyarlaması ve uygulaması olur.
HOST insanı neden olduğu gibi kopyalamıyor?
İnsanla robotun kamera konumu, el biçimi, eklem yapısı, erişim mesafesi ve hareket hızı aynı değil. Bu nedenle görüntü piksellerini veya eklem yörüngelerini doğrudan aktarmak çoğu durumda kırılgan bir yöntem olur.
HOST bunun yerine kendini robotun perspektifine göre temellendiren kademeli bir tahmin süreci kullanıyor. Çerçeve önce gösterilen görevdeki ilerlemeyi tahmin ediyor, sonra bu ilerlemenin robotun kendi bakış açısından nasıl görüneceğini öngörüyor ve son olarak bu tahmin edilen gözlemlerden uygulanabilir eylemler çıkarıyor. 18
Bildirilen bileşenler, aktarım probleminin farklı bölümlerine odaklanıyor:
- Görme modülü, gösterilen görevi ve ulaşılmak istenen sonucu robot merkezli bir algı çerçevesinde yorumluyor.
- Eylem üretimi, tahmin edilen sonucu robotun uygulayabileceği davranışlara dönüştürüyor.
- Dinamik zaman bükme (dynamic time warping), insan ve robot görevi farklı hızlarda gerçekleştirdiğinde karşılık gelen aşamaların hizalanmasına yardımcı oluyor.
Bu ayrım önemli. Robotun, göstericinin vücut hareketlerini birebir tekrarlaması beklenmiyor. Asıl hedef, anlamlı durum değişikliklerinden oluşan sıralamayı kavramak ve kendi gövdesine uygun bir hareket planıyla aynı sonucu üretmek.
Simülasyon ve bilişsel bilim daha geniş bir eğitim reçetesine işaret ediyor
HOST’un tasarımı, taklide hedef odaklı yaklaşan bir bilişsel bilim perspektifiyle de örtüşüyor: Gözlemci, bir hareketin neyi başarmayı amaçladığını anlıyor ve ardından kendi vücuduna uygun bir motor plan seçiyor. Bu, gösterimi kare kare yeniden oynatılan bir yörünge olarak ele almaktan farklı.
Simülasyon ve geniş ölçekli ön eğitim, robot gerçek dünyaya çıkmadan önce farklı fiziksel ve davranışsal durumlar sunabilir. Kısa bir gerçek dünya videosu ise robotun o anda eksik olan göreve özel bilgisini sağlayabilir. Böyle bir iş bölümü, fiziksel yapay zekâ için olası yeni bir eğitim modeli öneriyor: Genel fiziksel ve davranışsal öncelikleri çevrimdışı öğren, ardından çıkarım sırasında verilen bağlamla göreve hızla uyum sağla.
Bu yönelim, farklı robot platformları arasında ortak deneyim aktarımını amaçlayan açık robot veri kümeleri ve birden fazla gövde türüyle eğitilen temel modellerle de uyumlu. Open X-Embodiment çalışması, 22 farklı robottan toplanan verilerle farklı platformlar arasında olumlu aktarım sağlanabildiğini göstermeyi amaçlıyor. 25
HOST’un açık kaynak olması neden önemli?
X Square Robot’un yaklaşımı açık kaynaklı olarak yayımlaması, diğer araştırmacıların ve geliştiricilerin sistemi incelemesini, yeniden üretmesini ve farklı koşullarda test etmesini kolaylaştırıyor. Açık uygulamalar sayesinde videodan eyleme aktarımının farklı kameralar, robot kolları, ortamlar ve görevler karşısında ne kadar iyi çalıştığı, tek bir kapalı gösterime bağlı kalmadan incelenebilir.
Şirket, WALL robotik model ekosistemi için eğitim, çıkarım, veri hazırlama ve değerlendirme bileşenlerini içeren kod ve araçları da yayımladı. 26
27 Bu nedenle açık kaynak stratejisi X Square Robot için iki amaca birden hizmet edebilir: dışarıdaki deneyleri hızlandırmak ve çerçevenin çevresindeki modeller ile donanıma yönelik tanınırlık oluşturmak.
Yine de bir sistemi açık kaynak yapmak, HOST’un kıyaslama sonucunu tek başına doğrulamaz. Bunun katkısı, temel iddianın daha kolay sınanabilmesi: Robotların önceden eğitilmiş yetenekleri, her yeni manipülasyon görevi için tekrar tekrar ince ayar yapmak yerine, kısa bir gösterimle uyarlanabilir mi?
Yüzde 62 sonucu ne gösteriyor, ne göstermiyor?
Yüzde 62 başarı oranı, özellikle daha az gösterim ve daha kısa eğitim süresiyle birlikte değerlendirildiğinde anlamlı bir araştırma sonucu. Ancak güvenilir otonomiyle aynı şey değil. Çalışmada belirtilen koşullarda denemelerin yaklaşık beşte ikisi başarısız oldu.
Sonuç, ev robotlarının karşılaşabileceği her koşulda dayanıklı performans gösterildiğini de kanıtlamıyor. Farklı aydınlatma, dağınık ortamlar, nesnelerin görünümündeki değişiklikler, temas dinamikleri, hatalardan kurtulma, güvenlik kısıtları, daha uzun görev dizileri ve farklı robot gövdeleri üzerinde ek testler gerekiyor. Çalışma bir araştırma ön baskısı olduğu ve karşılaştırmalar belirli bir kıyaslamaya dayandığı için bağımsız değerlendirme de kritik önem taşıyor. 18
34
Güvenilir çıkarım, “insansı robotlar artık tek videodan ev işlerini öğrenebiliyor” iddiasından daha dar ama daha değerli. HOST; geniş kapsamlı ön eğitimden geçen, insan gösterimlerine çıkarım sırasında hızlı biçimde uyum sağlayan ve her görev için model ağırlıklarının yeniden güncellenmesini gerektirmeyen bir robotik yapay zekâ yönüne işaret ediyor. Bu sonuç, yazarların kıyaslama ortamının ötesinde de doğrulanırsa, çıkarım sırasında beceri edinimi; pahalı uzaktan kumanda, veri toplama ve tekrar tekrar ince ayar döngüsüne ciddi bir alternatif haline gelebilir.
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, Robot Eğitimini Tek Bir İnsan Videosuyla Değiştirebilir mi?"?
HOST’un, ortalama 29 saniyelik tek bir insan videosundan yeni manipülasyon becerileri edinirken yüzde 62 başarı oranına ulaştığı bildiriliyor.
What are the key points to validate first?
HOST’un, ortalama 29 saniyelik tek bir insan videosundan yeni manipülasyon becerileri edinirken yüzde 62 başarı oranına ulaştığı bildiriliyor. Sistem, insanın hareketlerini birebir kopyalamak veya model ağırlıklarını güncellemek yerine görevin sonucunu robotun kendi bakış açısından tahmin ediyor ve bu sonuca ulaşacak eylemleri üretiyor.
What should I do next in practice?
Yaklaşım, robotik yapay zekâyı her görev için yeniden veri toplamaya dayalı eğitimden, önceden öğrenilmiş becerilerin çıkarım sırasında kısa gösterimlerle uyarlanmasına doğru taşıyabilir.
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