注册并分享邀请链接,可获得视频播放与邀请奖励。

搜索结果 缺乏触觉等其他模态数据,无法判断用力精度等问题;
缺乏触觉等其他模态数据,无法判断用力精度等问题; 贴吧
一个关键词就是一个贴吧,路径全站唯一。
创建贴吧
用户
未找到
包含 缺乏触觉等其他模态数据,无法判断用力精度等问题; 的推特
【天风电新&汽车】机器人模型更新(1):苹果HALO,用合成数据帮助真机数据进行scaling-1107 ——————————— 🌟论文成果 HALO要解决的问题是:以往训练机器人要大量的真机遥操数据,费时费力,那能不能直接让电脑模拟生成真机数据? 论文通过提示词说明,直接生成机器人长序列动作,再通过场景生成,把机器人放进仿真房间,最后随机修改环境光照、机器人传感器噪点提高泛化性。 但这类研究最大的问题是sim2real的差距:仿真里跑得好好的,现实世界可能直接栽跟头。 论文的方案是让【合成数据要与现实对齐】,即【在仿真中复原现实世界的动作延时、电机实际输出与指令的差异】等。实际跑下来,#模型在仿真环境和现实环境的同类单任务成功率都达到91#%,基本解决简单任务sim2real的问题。 🌟投资端怎么看 1、继续强化分层架构逻辑:论文里S2用的Qwen3.6(350e参数);S1用的Qwen3.5(20e参数)和一个扩散模型; 2、这篇论文重点在【解决合成数据的可用性】:今年开始ego这类数据成为模型预训练的主力军,但中训练和后训练仍多用真机数据,现在合成数据能帮助真机数据进行scaling; 3、论文里的训练数据仅摄像头的视觉数据。作者承认#缺乏触觉等其他模态数据,无法判断用力精度等问题;# 4、将虚拟场景与现实对齐时,作者实际测量了机器人实机的电机、相机等参数,说明干这个活和本体强相关,换一台机器人要重新标定。因此#有一套固定的本体、并基于本体搭建数据集更为有效。# 综上,利好的方向,多模态数采(触觉等)和本体厂。 ✅触觉&力传感:论文点名发展趋势在增加触觉,故直接利好铲子股数采手套-【福莱新材】,力传感-【安培龙】 ✅灵巧手+双臂:合成数据来自真机数据的补充,利好真机数采标的:机械臂【长盈】、【安培龙】(天机);灵巧手-Sharpa链【禾赛】、【维宏】,灵巧手驱动模组核心玩家【浙江荣泰】。 ✅本体:模型训练的进步利好本体放量且需本体合作搭建数据集,重视争夺S1议价权的【上纬】,专注S0的【宇树】。
显示更多
我这几天被 @axisrobotics 的双臂任务折腾得坏了,人都萎了,这种数据收集方式,对我这种手残党太难了。 难道,除了这种没有别的更人性化的训练方式了吗?我尝试去学习了解具身智能的数据采集方式。 目前主流的方法,大致有四条路。 真机遥操作是最直接的一种。 操作员戴上VR眼镜,握着手柄或遥操作手套,实时操控特定型号的机器人完成任务,同时记录关节角度、力反馈这些信息。 好处很明显:数据质量高,跟目标机器人贴合紧密,力触觉信息完整,训练出的模型基本可以直接部署。但代价也大,设备贵,需要真机和专用场地,人员配合成本高。而且数据跟机型强绑定,换一台机器人就很难复用,场景也相对固定,采集效率自然上不去。 为了降低门槛,UMI(通用操作接口)给出了另一种思路。 操作员手持一个标准化的夹爪,通常就是3D打印件加上运动相机,在真实场景里直接操作,记录末端视角、夹爪状态和运动轨迹。设备便宜、便携,数据还能在不同机器人和夹爪之间复用。 但精细操作还是受限:夹爪本身不够自然,像拧螺丝这类任务就很难完成;同时缺少环境和行走决策信息,主要适用于机械臂训练。 动作捕捉则更贴近人的自然动作。 通过穿戴设备记录人体和手部关键点的轨迹,再映射到机器人系统。动作自然,成本相对可控,也不用部署真实机器人,适合批量采集。 问题在于场景受限:多数设备需要专用空间,很难进入家庭或真实非结构化环境,对遮挡也比较敏感。 成本最低、规模潜力最大的,是Ego(第一人称视频)。 采集员只需佩戴头戴式相机等简单设备,以第一视角记录日常操作,包含手部动作、环境信息和身体关键点。设备简单,容易在家庭、商超等真实场景里大规模众包。信息也丰富,蕴含人类决策逻辑和手物交互细节。 但精度有限,缺乏力触觉和精确的关节轨迹,手部关键点往往要靠后期预测。原始视频里还有大量无效片段,清洗和对齐的工作量不小。 像Axis Robotics这样的平台,目前走的是仿真环境下的遥操作路线。 用户在浏览器里用键盘、鼠标控制模拟的双臂机器人,生成关节状态、物体位姿和控制动作数据。这有点像真机遥操作的“模拟版”,降低了硬件门槛,能快速积累大规模轨迹。 但跟真实物理数据终究有差距,操作学习曲线依然存在,普通人要熟练掌握并不容易。Axis也在推进移动端的第一人称数据采集,尝试把仿真和真实Ego数据结合起来。 回过头看,如果未来可穿戴智能设备能更成熟地捕捉自然动作、力反馈和场景信息,数据采集或许会接近我们最初的想象,不需要复杂的遥操作,直接从日常行为里提取高质量物理数据。 到那时,训练机器人的门槛才能真正降下来,数据规模和多样性也才能跟上模型的进步。 每种方式都有取舍。真机遥操作求精度,UMI和动作捕捉重便携与自然,Ego主打规模。实际应用中,往往要多种方式互补,既保证数据质量,又覆盖足够多的场景。 #PhysicalAI# #Robotics# #EmbodiedAI#
显示更多
0
95
47
0
转发到社区
生命科学长期以来被称为“集邮式科学”(Stamp Collecting Science)——它充斥着海量的自然语言叙述、非标准化的显微图像、碎片化的湿实验论文、手工调配的试剂配方以及充满模糊经验的机理猜想。 这种高度“非形式化(Informal)”的本质,正是过去生物科研突破周期长、试错成本极高、且无法像芯片设计或物理学那样实现自动化编译的根本原因。 AI 的核心进化能力之一是,将非形式化问题转化为形式化问题(Formalization)。 因此,AI 对生命科学的加速将不是简单的“找靶点速度加快”,而是一场从底层表征、实验执行到假设验证的全局编译化革命。 生命科学长期作为一门“经验科学”,根本原因确实在很大程度上是“有效数据规模和高保真计算量严重不足”。本质上是被以下三个极度缺乏 Scale 的现实所迫: 1、观察到的数据只是冰山一角(稀疏与长尾) 人类现有的公共生物数据,大部分是“结果快照”而非“动力学过程”。例如全球蛋白质数据库(PDB)几十年来积累的结构仅有 20 多万个,且绝大多数是结晶状态下的单一静态构象。面对大自然数以亿计的动态蛋白互作,样本量少得可怜。 2、严重的观测偏差与批次效应(Batch Effects) 过往生物学论文中的数据,来自全球数万个实验室、不同操作人员、不同批次试剂和不同显微设备。这种数据充满了系统性噪音和“幸存者偏差”(往往只报道阳性结果,海量阴性失败数据从未被记录)。用充满噪音的异构数据训练模型,很容易遭遇“垃圾进,垃圾出”。 3、维度的诅咒(Curse of Dimensionality) 一个文本 token 的嵌入维度是几千维;但一个活细胞不仅有 30 亿对碱基的 DNA,还有表观遗传修饰、数万种转录本的时空丰度、数万种蛋白质的翻译后修饰以及微环境动力学——这是一个横跨皮秒(分子运动)到数十年(衰老、疾病)的时空连续多尺度系统。在数据规模没有覆盖这个高维流形前,人类科学家只能退守到经验法则、动物实验和手工对照。 而对比大模型(LLM)的涌现依赖于 Transformer 架构 + 互联网级文本 + 自动回归自监督任务。生命科学要实现同等级别的泛化突破,其底层要素必须对齐: 1. 规模化生成“无批次效应”的原生数据(Biofoundry 工业化) 纯靠人工在高校实验室里移液,永远不可能凑齐大模型所需的自监督 Tokens。生命科学的 GPT-3 时刻,前提必须是数据生产的工业化——利用全自动化的生物铸造厂(Biofoundry)、硅基高通量芯片合成和标准化液体处理机器人,在完全一致的物理环境下,规模化、连续性地生成数十亿级的单细胞扰动、突变体结合与高内涵表型图谱。没有自动化的物理数据工厂,生命科学就没有训练集。 2. 自监督预训练任务的重构:从“掩码预测”到“物理能量与因果扰动” 在文本中,“预测下一个词”极其有效。但在生物学中,单纯的掩码语言模型(Masked Language Modeling)有其天花板。未来的基础模型需要将几何等变性、非平衡态统计物理和热力学约束直接编入注意力先验中。正如人类大脑理解物理世界不是靠背诵文字,而是靠视觉和触觉的连续交互,生命大模型需要直接在连续的时空流形中学习因果演化。 3. 闭环主动学习(Active Learning Loop) 生命系统太庞大,随机或暴力采集全部数据在物理上不可行(分子组合空间超过 10的60次方。大模型必须扮演“科学假设生成器”,自动计算出认知不确定性最高的领域,自动指挥物理机器人去合成、测试并回传数据。这种“模型假设 -》自动化实验-〉权重更新”的循环加速,是催生 Scaling 质变的关键催化剂。 当然,生命科学的发展终局,可能也不会彻底变成纯粹的数学推演,而会演化为一种“极高置信度推演 + 物理不可约验证”的新范式: 大模型确实能把目前人类难以理解的万级基因互作网络,压缩为高度精准的潜空间向量变换,人类不用再手工去画繁琐的通路图。从这个角度看,传统的“经验直觉”会被强大的高维统计几何彻底取代。 正如物理世界的计算不可约性时规律所告诉我们的,哪怕大模型在数字空间里给出了 99.9% 确定性的抗癌药设计方案,药物在真实复杂活体(包含免疫系统、肠道微生物、全身循环系统)中的毒副作用与代谢,仍受微观随机多体动力学统治。它依然需要活体或器官芯片运行自身的物理时钟来进行终极校验。 从科学发展史来看,化学在门捷列夫之前也是纯粹的“炼金经验科学”,直到元素周期律和量子力学奠定了物理底座;生命科学当前正处在类似的拐点——它过往的“经验属性”,在很大程度上确实是因为我们只能用肉眼和试管观察局部。当数据通量和算力 Scale 越过特定相变阈值时,生命科学将从一门靠经验归纳的描述性学科,质变为一门具备高预测精度的形式化工程科学。
显示更多
0
25
220
43
转发到社区
缺乏常识太可怕了! 这位屋主缺乏基本常识,胡搅蛮缠;关键是你要求改动管道,但却不为自己做出的决定负责! 因为可以预料,管道如果真的按照她的要求改动,那就会形成4个90°角度,水平的2段可以预见一定会在很短的时间里堵塞。并且在地板上形成的水平管同样会影响洗衣机的安防。 她的要求完全就是无理(无物理理论,也无社会公德理论)要求!
显示更多
0
66
56
5
转发到社区
长期缺乏性的教师妻子在一次辅导中沦陷 【点击主页链接下载App更多精彩】 #成人短剧# #AI短剧# #禁果短剧#
一旦缺乏和丧失主体性,基本宣告:你看似活着,但实际上已经死了。 丧失了主体性,也就意味着失去了人格独立权。一个没有人格独立,也就是没有底线尊严的人,已经不能称之为人,而是和畜牲别无二致了。活成了他人眼中的人,而不是你自己。别人说什么就是什么,自己的感受和利益完全就是以他人的评判为准。看似有公民选择权和自由权,但实际上这些权力交由他人来掌控了。就好比一只狗一样,只学会哈腰摆尾,任人宰割。 其实人生短短几十年,当你死的时候 真正为你哭泣的仅有至亲的几个人罢了,屈指可数。你此前为他人顾虑这,顾虑那,本质上就是拿自己的青春年华,拿自己的生命能量来献祭给他人罢了。好糊涂,好愚蠢。拿回主体性,做回自己。允许一切的发生,允许自己在他人眼里是个坏人、小人,不要执着于去追求做个体面,道德高尚,有素质的人。总而言之,哪个让你不爽,你就加倍让对方不爽。所有一切的发生 都以自身利益和感受为先,敢于去争抢,先干了再说。
显示更多
往往缺乏性生活的人,才会频繁出现在社交软件上,比如我...
往往缺乏性生活的人,才会频繁出现在社交软件上,比如我...
往往缺乏性生活的人,才会频繁出现在社交软件上,比如我... 毛遂自荐一下,我90后体制内老师,脾气好,性格开朗,情绪稳定,小众爱好,趁年轻及时行乐 思想放得开,欢迎来聊天..
显示更多
女人缺乏自信,就去网络交友。 女的一边玩交友软件,一边不让问哪里人不让问多大,不给照片,也不处对象不加微信。 由于互联网交友门槛太低,几乎所有女性用户的后台都是一群性压抑舔狗...这也导致女人充满了一种莫名其妙的傲慢。
显示更多
0
22
28
2
转发到社区