Saksikan: Model AI asli yang pertama di dunia menjanjikan robot yang lebih cerdas dan berkemampuan
Robbyant, sebuah perusahaan AI yang tergabung dalam Chinese Ant Group, telah meluncurkan LingBot-VA 2.0, menggambarkannya sebagai model dunia video-aksi asli yang pertama di industri untuk robotika. Model ini dibuat dari awal untuk tugas-tugas dunia fisik, bukan mengadaptasi model pembuatan video yang awalnya dirancang untuk pembuatan konten digital. Dengan menggunakan arsitektur autoregresif, LingBot-VA 2.0 memprediksi bagaimana tindakan robot mengubah lingkungan dan menentukan tindakan selanjutnya berdasarkan hubungan sebab akibat tersebut. Perusahaan mengatakan pendekatan ini meningkatkan akurasi fisik, efisiensi eksekusi, dan generalisasi untuk aplikasi robot dunia nyata. Pembelajaran robot didefinisikan ulang Robbyant menggambarkan LingBot-VA 2.0 sebagai model dunia video-aksi asli pertama di industri yang dibuat khusus untuk robotika dan bukan diadaptasi dari sistem pembuatan konten digital. Peluncuran ini mewakili pergeseran model dasar robotika dengan merancang AI secara asli untuk dunia fisik. Berbeda dengan pendekatan konvensional yang menyempurnakan model pembuatan video untuk pengendalian robot, LingBot-VA 2.0 telah dilatih sebelumnya dari awal menggunakan arsitektur autoregresif yang berfokus pada pemodelan dunia dinamis, prediksi kausal, dan eksekusi waktu nyata. Menurut perusahaan, hal ini memungkinkan model untuk memprediksi bagaimana tindakan robot akan mengubah lingkungannya dan memilih tindakan selanjutnya berdasarkan hasil prediksi tersebut. Sebagian besar sistem AI yang ada saat ini mengandalkan model video yang awalnya dikembangkan untuk menghasilkan konten digital. Meskipun efektif untuk menciptakan visual yang realistis, model ini memprioritaskan kualitas gambar dan kreativitas dibandingkan akurasi fisik dan kecepatan eksekusi. Robbyant mengatakan mengadaptasinya untuk robotika sering kali mengurangi generalisasi dan membatasi kinerja dunia nyata. LingBot-VA 2.0 mengatasi tantangan ini melalui empat inovasi arsitektur. Tokenizer tindakan visual semantik bersama-sama memampatkan informasi visual dan tindakan, memungkinkan model menerjemahkan instruksi ke dalam gerakan robot dengan lebih baik. Strategi pra-pelatihan kausal yang ketat memastikan prediksi mengikuti urutan temporal yang benar, sementara arsitektur Mixture of Experts (MoE) meningkatkan kapasitas model tanpa mengorbankan efisiensi inferensi. Mekanisme inferensi asinkron yang ditingkatkan memungkinkan robot memprediksi keadaan di masa depan sambil menjalankan tindakan dan terus memperbarui keputusan menggunakan observasi dunia nyata. Perusahaan mengatakan kemajuan ini memungkinkan kontrol loop tertutup real-time pada 150 Hz pada satu GPU. Model ini juga dapat beradaptasi dengan tugas manipulasi baru dengan sedikitnya 20 demonstrasi melalui pembelajaran dalam konteks, sehingga menghilangkan kebutuhan akan pembaruan parameter. Kecerdasan robot prediktif LingBot-VA menyatukan prediksi video masa depan dan pembelajaran kebijakan dalam kerangka autoregresif tunggal, yang secara bersama-sama mempelajari dinamika visual dan tindakan robot. Ini telah dilatih sebelumnya pada kumpulan data aksi video robotika skala besar sebelum disesuaikan untuk tugas-tugas hilir. Dalam pengoperasiannya, sistem pertama-tama memprediksi keadaan visual di masa depan dari observasi saat ini dan instruksi bahasa. Model dinamika terbalik kemudian mengubah prediksi tersebut menjadi tindakan robot yang dapat dieksekusi, sementara pengamatan di dunia nyata terus-menerus menggantikan keadaan yang diprediksi untuk menjaga loop kontrol tetap sesuai kenyataan. Robbyant mendemonstrasikan model tersebut dalam tugas-tugas manipulasi cakrawala panjang dan presisi, termasuk menyiapkan sarapan, membongkar kiriman, memasukkan tabung, mengambil sekrup, melipat pakaian, dan membuka laci. Perusahaan juga melaporkan hasil yang mengesankan pada tolok ukur simulasi RoboTwin 2.0 dan LIBERO, mengungguli metode yang ada di berbagai pengaturan tugas. Perusahaan lebih lanjut menyoroti kemampuan LingBot-VA untuk mempertahankan memori jangka panjang, memungkinkan robot membedakan situasi yang identik secara visual namun berbeda secara kontekstual dan secara akurat melakukan tugas multi-langkah yang memerlukan penghitungan, pengurutan, dan tindakan berulang. “Robbyant akan terus mengeksplorasi batasan-batasan baru dalam kecerdasan yang diwujudkan sambil mempercepat pengembangan teknologi terbuka dan ekosistem aplikasi untuk mempercepat penerapan robot dalam skenario industri dan dunia nyata,” kata Zhu Xing, CEO Robbyant, dalam sebuah pernyataan.
Diterbitkan : 2026-07-13 19:56:00
sumber : interestingengineering.com
