Open-RAIL, yapay zekâ modelleriyle robotlar arasındaki boşluğu nasıl kapatıyor?

Bir robotun yapay zekâ modeli bir sonraki hareketi hesaplarken, motorlarının düzenli aralıklarla komut almaya devam etmesi gerekir. China Mobile’ın açık kaynaklı Open-RAIL projesi bu iki farklı tempoyu buluşturan bir ara katman sunuyor. Görüntü-dil-eylem (VLA) ve dünya-eylem (WAM) modellerini robot donanımına bağlarken, modelin ya da robotun değişmesi durumunda tüm yürütme düzeninin baştan kurulması ihtiyacını azaltmayı hedefliyor. 37

Robot neden modelin kararını beklemek zorunda kalmıyor?

Open-RAIL’de sunucu model çıkarımını, görev planlamasını ve veri yönetimini üstleniyor; robot tarafındaki istemci ise algılama ve hareket komutlarının uygulanmasını yürütüyor. Gözlem, çıkarım ve kontrol ayrı asenkron akışlara bölünüyor. Böylece robot mevcut komut grubunu uygularken model bir sonrakini hesaplayabiliyor; daha yavaş çalışan çıkarım süreci kontrol akışını durdurmuyor. 311

Yeni komutun gelmesi tek başına akıcı hareket için yeterli değil. Sistem bu nedenle iki aşamalı hareket yumuşatma kullanıyor: Önce bir komut grubu içindeki hareket noktalarını düzenliyor, ardından yeni gelen grubu hâlihazırda yürütülen yörüngeyle kaynaştırıyor. İlk aşama grup içindeki titreşimi, ikincisi grupların birleştiği yerdeki ani değişimi hedefliyor. Bu işlem model ağırlıklarını değiştirmeden yürütme katmanında yapılıyor. 211

Farklı model ve robotlar nasıl bağlanıyor?

Hafif bir donanım soyutlama katmanı, robotun durumunu okuma ve hareket komutlarını uygulama işlemleri için ortak bir yapı sağlıyor. Yeni bir robotu bağlamak için üst düzey mantığı yeniden yazmak yerine ona uygun bir sürücü uyarlayıcısı ekleniyor. Model tarafında da ortak bir çıkarım arayüzü kullanılıyor; kayıtlı model ve robot uyarlayıcıları otomatik olarak eşleştirilerek iki tarafı birbirine bağlamak için gereken özel kod azaltılıyor. 37

İlk sürüm için bildirilen kapsam dört robot altyapısı ve on model varyantı: Agibot G1, Ti5 T170C, Navi WA2 ve LeRobot tabanlı bir simülasyon altyapısı; ayrıca ACT, GR00T N1/N1.5/N1.6, RDT-1B, SmolVLA, AgiBot GO-1, π0/π0.5 ve TAO model aileleri. Bu liste, her modelin listedeki her robotla çalıştığının kanıtı değil. 9

Bildirilen kazanımların sınırı

China Mobile’ın açıkladığı rakamlara göre eklem ivmesinin standart sapması 10 rad/s²’nin üzerinden yaklaşık 0,1 rad/s²’ye düşüyor; yeni bir robotun sisteme bağlanması haftalar yerine saatler alabiliyor. Yeni bir model için de 50–100 satır uyarlama kodunun yeterli olabildiği bildiriliyor. Bunlar bağımsız olarak doğrulanmış sonuçlar değil, proje kapsamında aktarılan değerler. 117

Open-RAIL, gerçek robot çalışmaları sırasında oluşan yürütme verilerini de aynı iş akışında biriktirerek sonraki model geliştirme döngüsüne aktarmayı amaçlıyor. Sunucu–istemci ayrımı sayesinde çıkarım robot üzerinde, uçta veya bulutta konumlandırılabiliyor; bunun için robot tarafındaki uygulama kodunun değiştirilmesi gerekmiyor. Ancak mevcut kanıtlar kaydedilen her veri alanını ya da veri toplamanın ek yükünü bağımsız ölçümlerle ortaya koymuyor. 5814

Apache-2.0 lisanslı kod ve belgelere Open-RAIL proje sayfasından ulaşılabiliyor. Daha önce yayımlanan VLA-RAIL ön baskısı, asenkron bağlantıyı ve iki aşamalı yörünge düzenleme yaklaşımını teknik olarak açıklıyor. 92