FAST: توکنساز کارآمد اقدامات رباتیک برای آموزش سریع‌تر مدل‌های Transformer

Physical Intelligence BlogUnited States3 دقیقه مطالعه۱۴۰۵/۰۶/۰۹ ساعت ۱۵:۰۰

FAST: Efficient Robot Action Tokenization
FAST: Efficient Robot Action Tokenization
خلاصه سریع

اصل خبر در چند خط

پژوهشگران Physical Intelligence توکنساز جدیدی به نام FAST را برای اقدامات رباتیک معرفی کردند که از تکنیک‌های فشرده‌سازی پیوسته مانند JPEG الهام گرفته است. FAST با ترکیب DCT و BPE، بلوک‌های اقدام خام را تا ۱۰ برابر فشرده‌تر از روش‌های قبلی نمایش می‌دهد. این توکنساز امکان آموزش سریع‌تر مدل‌های Transformer برای کنترل ربات‌ها را فراهم می‌کند و چابکی و دقت را حفظ می‌کند. FAST برای اولین بار امکان آموزش سیاست‌های عمومی بر روی مجموعه داده DROID را می‌دهد که قادرند وظایف دستکاری را در محیط‌های جدید به صورت zero-shot انجام دهند. این روش ۵ برابر سریع‌تر از مدل‌های قبلی آموزش می‌یابد و عملکردی مشابه با روش‌های انتشار یا تطبیق جریان دارد.

متن خبر

شرح خبر

پژوهشگران Physical Intelligence توکنساز جدیدی به نام FAST را برای نمایش اقدامات رباتیک معرفی کردند که از روش‌های فشرده‌سازی پیوسته مانند JPEG الهام گرفته است. این توکنساز با ترکیب تبدیل کوسینوس گسسته (DCT) و کدگذاری جفت بایت (BPE) قادر است بلوک‌های اقدام خام را تا ۱۰ برابر فشرده‌تر از روش‌های قبلی نمایش دهد. FAST امکان آموزش سیاست‌های عمومی رباتیک را بر روی وظایف چابک و پیچیده، مانند تا کردن لباس یا بسته‌بندی کیسه‌ها، با سرعت ۵ برابر بیشتر از مدل‌های قبلی فراهم می‌کند. علاوه بر این، برای اولین بار، سیاست‌های آموزش‌دیده با FAST قادرند وظایف دستکاری را در محیط‌های کاملاً جدید و به صورت zero-shot، صرفاً با دریافت دستورالعمل‌های زبانی طبیعی، انجام دهند. این پیشرفت با انتشار نسخه همه‌کاره FAST بر روی ۱ میلیون توالی اقدام واقعی ربات، گامی مهم در توسعه مدل‌های پایه رباتیک محسوب می‌شود. پژوهشگران Physical Intelligence توکنساز جدیدی به نام FAST را برای اقدامات رباتیک معرفی کردند که از تکنیک‌های فشرده‌سازی پیوسته مانند JPEG الهام گرفته است. FAST با ترکیب DCT و BPE، بلوک‌های اقدام خام را تا ۱۰ برابر فشرده‌تر از روش‌های قبلی نمایش می‌دهد. این توکنساز امکان آموزش سریع‌تر مدل‌های Transformer برای کنترل ربات‌ها را فراهم می‌کند و چابکی و دقت را حفظ می‌کند. FAST برای اولین بار امکان آموزش سیاست‌های عمومی بر روی مجموعه داده DROID را می‌دهد که قادرند وظایف دستکاری را در محیط‌های جدید به صورت zero-shot انجام دهند. این روش ۵ برابر سریع‌تر از مدل‌های قبلی آموزش می‌یابد و عملکردی مشابه با روش‌های انتشار یا تطبیق جریان دارد. FAST با ارائه روشی کارآمد برای توکنسازی اقدامات رباتیک، چالش‌های موجود در آموزش مدل‌های Transformer برای کنترل ربات‌ها را برطرف می‌کند. این توکنساز با فشرده‌سازی موثر بلوک‌های اقدام، امکان آموزش سریع‌تر و کارآمدتر سیاست‌های رباتیک را فراهم می‌آورد. علاوه بر این، FAST توانایی تعمیم‌پذیری به محیط‌های جدید و انجام وظایف پیچیده را با استفاده از دستورالعمل‌های زبانی بهبود می‌بخشد، که این امر می‌تواند انقلاب بزرگی در حوزه رباتیک و هوش مصنوعی باشد. FAST می‌تواند با کاهش زمان و هزینه آموزش مدل‌های رباتیک، فرصت‌های تجاری جدیدی را برای شرکت‌های فعال در حوزه رباتیک و هوش مصنوعی ایجاد کند. این توکنساز امکان توسعه ربات‌های چابک‌تر و کارآمدتر را فراهم می‌آورد که می‌توانند در صنایع مختلف از جمله تولید، خدمات و پزشکی مورد استفاده قرار گیرند. در ایران، FAST می‌تواند به پژوهشگران و شرکت‌های فعال در حوزه رباتیک کمک کند تا مدل‌های رباتیک پیشرفته‌تری را با هزینه و زمان کمتر توسعه دهند. این امر می‌تواند منجر به بهبود فرآیندهای صنعتی و خدماتی در کشور شود و فرصت‌های جدیدی را برای نوآوری و کارآفرینی در حوزه فناوری‌های پیشرفته ایجاد کند. FAST با بهبود کارایی و دقت مدل‌های رباتیک، می‌تواند تأثیرات حقوقی و فنی مهمی داشته باشد. برای مثال، استفاده از ربات‌های چابک‌تر و دقیق‌تر در صنایع مختلف می‌تواند منجر به بهبود ایمنی و کاهش خطاهای انسانی شود. علاوه بر این، توسعه مدل‌های رباتیک پیشرفته‌تر می‌تواند چالش‌های حقوقی جدیدی را در زمینه مالکیت فکری و مسئولیت‌های قانونی ایجاد کند. توسعه توکنسازهایی مانند FAST می‌تواند رقابت‌های ژئوپلیتیکی در حوزه هوش مصنوعی و رباتیک را تشدید کند. کشورهایی که قادر به توسعه و استفاده از چنین فناوری‌هایی باشند، می‌توانند برتری‌های استراتژیکی در صنایع مختلف کسب کنند. پژوهش و توسعه با FAST، توکنساز جدید Physical Intelligence، آموزش مدل‌های رباتیک چابک و دقیق به سادگی پیش‌بینی توکن بعدی امکان‌پذیر است.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.

تحلیل تحریریه

ابعاد مهم خبر

چرا مهم است؟

FAST با ارائه روشی کارآمد برای توکنسازی اقدامات رباتیک، چالش‌های موجود در آموزش مدل‌های Transformer برای کنترل ربات‌ها را برطرف می‌کند. این توکنساز با فشرده‌سازی موثر بلوک‌های اقدام، امکان آموزش سریع‌تر و کارآمدتر سیاست‌های رباتیک را فراهم می‌آورد. علاوه بر این، FAST توانایی تعمیم‌پذیری به محیط‌های جدید و انجام وظایف پیچیده را با استفاده از دستورالعمل‌های زبانی بهبود می‌بخشد، که این امر می‌تواند انقلاب بزرگی در حوزه رباتیک و هوش مصنوعی باشد.

اثر کسب‌وکاری

FAST می‌تواند با کاهش زمان و هزینه آموزش مدل‌های رباتیک، فرصت‌های تجاری جدیدی را برای شرکت‌های فعال در حوزه رباتیک و هوش مصنوعی ایجاد کند. این توکنساز امکان توسعه ربات‌های چابک‌تر و کارآمدتر را فراهم می‌آورد که می‌توانند در صنایع مختلف از جمله تولید، خدمات و پزشکی مورد استفاده قرار گیرند.

اثر احتمالی برای ایران

در ایران، FAST می‌تواند به پژوهشگران و شرکت‌های فعال در حوزه رباتیک کمک کند تا مدل‌های رباتیک پیشرفته‌تری را با هزینه و زمان کمتر توسعه دهند. این امر می‌تواند منجر به بهبود فرآیندهای صنعتی و خدماتی در کشور شود و فرصت‌های جدیدی را برای نوآوری و کارآفرینی در حوزه فناوری‌های پیشرفته ایجاد کند.

ارتباط با LegalTech

FAST با بهبود کارایی و دقت مدل‌های رباتیک، می‌تواند تأثیرات حقوقی و فنی مهمی داشته باشد. برای مثال، استفاده از ربات‌های چابک‌تر و دقیق‌تر در صنایع مختلف می‌تواند منجر به بهبود ایمنی و کاهش خطاهای انسانی شود. علاوه بر این، توسعه مدل‌های رباتیک پیشرفته‌تر می‌تواند چالش‌های حقوقی جدیدی را در زمینه مالکیت فکری و مسئولیت‌های قانونی ایجاد کند.

زاویه رسانه/کشور منبع

پژوهش و توسعه

برچسب‌ها