fr.wedoany.com Rapport : Galaxy General Robotics a récemment publié son modèle fondamental de contrôle en temps réel du corps entier pour robot humanoïde, AstraBrain-WBC 0.5. Ce modèle est un composant clé du système technologique Galaxy Brain (AstraBrain). Entraîné sur environ 2 milliards d’images de mouvements humains, il compte 80,4 millions de paramètres et se concentre sur le développement des capacités du « cervelet général » du robot.
Pour entraîner ce modèle, l’équipe de recherche conjointe de Galaxy General Robotics a constitué le plus grand ensemble de données d’entraînement de mouvements pour robots humanoïdes de l’industrie, avec une durée totale d’environ 20 000 heures, couvrant des scénarios variés tels que la danse, le sport, les activités quotidiennes, les opérations industrielles et la manutention collaborative. Les données montrent que la couverture de l’espace des mouvements de ce modèle est environ 4 à 5 fois supérieure à celle de l’ensemble de données AMASS, largement utilisé dans l’industrie.
AstraBrain-WBC 0.5 introduit pour la première fois un paradigme d’entraînement à grande échelle de type GPT dans le domaine du contrôle en temps réel des robots humanoïdes. Le modèle adopte une architecture Transformer causale de style GPT, redéfinissant le contrôle complet du corps du robot comme un problème de prédiction de séquence continue. L’équipe de recherche a également construit une bibliothèque de priors de mouvement composée de 384 experts en mouvement, et l’a fusionnée en un modèle de contrôle unifié via un entraînement par distillation, réalisant ainsi une transition d’un « ensemble de compétences d’experts » à un « modèle fondamental de mouvement général ».
En termes de performances, ce modèle permet un contrôle synergique complet du corps sur un robot à 29 degrés de liberté, réalisant des mouvements complexes tels que la coordination mains-pieds, le changement de centre de gravité et l’équilibre corporel.
Lors des tests sur des robots réels, le modèle peut exécuter sans apprentissage préalable des mouvements très dynamiques comme le basketball, la boxe, la danse, se retourner et se lever, ainsi que la manutention collaborative. Après optimisation technique, le modèle atteint une latence d’inférence de bout en bout inférieure à 1,5 milliseconde sur une seule carte graphique RTX 4090, et la latence totale de l’équipement de capture de mouvement est inférieure à 20 millisecondes, répondant aux exigences de contrôle en boucle fermée en temps réel à 50 Hz.
Les données de l’article montrent qu’à mesure que la taille des données d’entraînement passe de 2 millions à 2 milliards d’images, l’erreur de suivi sans apprentissage préalable du modèle diminue continuellement, et le taux de réussite passe de 83,26 % à 92,58 %, confirmant les avantages significatifs de l’entraînement à grande échelle.
En termes d’applications, AstraBrain-WBC 0.5 peut servir de modèle de base pour le contrôle de mouvement, offrant aux instituts de recherche et aux développeurs la capacité de générer des données de mouvement de haute qualité. Il peut également être utilisé pour générer en temps réel des contenus de mouvements complexes tels que la danse, les performances et les démonstrations interactives. Ce modèle prend en charge la téléopération en temps réel du corps entier et le suivi de mouvements complexes, avec un potentiel d’application dans des scénarios tels que les secours d’urgence et la gestion d’environnements dangereux.
Actuellement, les articles, codes et résultats techniques liés à AstraBrain-WBC 0.5 sont entièrement open source et ouverts à l’écosystème.
Galaxy General Robotics a déclaré qu’en combinant des données à grande échelle avec une architecture de type GPT, ce modèle permet au contrôle des mouvements des robots humanoïdes de commencer à acquérir des capacités de modèle fondamental, fournissant ainsi une base de capacités sous-jacente pour l’entrée à grande échelle des robots dans les secteurs de la vente au détail, de l’industrie et des services.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
