fr.wedoany.com Rapport : ForceMind a dévoilé le modèle mondial incarné DW0.5 et l’a intégré au cadre de post-entraînement d’intelligence incarnée piloté par modèle mondial DFOL2.0. Ce modèle de base prend en charge les entrées multimodales, y compris les instructions de tâche, les images et les vidéos, et peut prédire les états vidéo ultérieurs en fonction des actions historiques.
L’intelligence incarnée, en tant qu’IA physique, vise à améliorer continuellement les performances des robots dans différents environnements et conditions d’échec, mais le cycle de post-entraînement a longtemps eu du mal à fonctionner. Un test sur robot réel nécessite l’occupation du robot, de l’espace et de la main-d’œuvre, et un échec peut interrompre la tâche ; le retour humain est proche du jugement réel mais difficile à couvrir à haute fréquence ; la simulation traditionnelle est peu coûteuse mais peine à reproduire les incertitudes du monde réel telles que le contact, l’occlusion et la déformation.
DW0.5 a effectué un pré-entraînement conjoint avec des dizaines de milliers d’heures de données multivues de robots réels, possédant de fortes capacités de simulation. Il peut générer des vidéos de fonctionnement normal de bras robotisés ainsi que des scénarios d’échec de tâche basés sur des actions erronées, pour soutenir l’entraînement par renforcement en ligne du cadre DFOL2.0. En tant que simulateur haute fidélité, DW0.5 déplace l’entraînement par renforcement dans un environnement virtuel : le VLA propose d’abord des actions candidates, DW0.5 prévisualise le futur et évalue les risques de succès, d’échec et de déviation, puis renvoie le feedback à l’entraînement par renforcement. Selon les données divulguées, ce processus peut réduire les besoins en données réelles de post-entraînement de 60 % et le coût global d’entraînement de 40 %.
DW0.5 reconstruit la logique de simulation via trois modules experts principaux. Video Expert et Action Expert travaillent ensemble pour la prévisualisation des conséquences des actions, où Action Expert utilise les actions comme un a priori structurel fort, forçant la liaison entre actions et génération vidéo par alignement trame par trame, avec une attention MoT et un masque d’attention group-diagonal pour garantir la correspondance entre séquences d’actions et séquences vidéo. Value Expert est responsable de l’évaluation de la valeur et de la construction du feedback, transformant le futur généré en signaux de valeur denses, y compris l’évaluation de la probabilité de succès pour l’état actuel, la trajectoire candidate ou l’ensemble du test, avec une corrélation Value-Order supérieure à 95 %.
DW0.5 est explicitement conçu pour générer des trajectoires d’échec, afin d’éviter le biais dû à un entraînement uniquement sur des données de succès. Sa stratégie de données couvre quatre types de sources : données publiques incarnées et données de robots auto-collectées, données vidéo Internet, données d’activités humaines en première personne, et données de tests sur robots réels et en simulation, incluant des états intermédiaires comme la déviation, le blocage et la récupération.
Au niveau applicatif, DW0.5 joue trois rôles dans l’entraînement et le déploiement du VLA : augmentation de données hors ligne et construction de préférences, environnement de post-entraînement RL, et planification et évaluation de sécurité lors du déploiement. Grâce à cette capacité, le modèle excelle dans le suivi d’instructions de haut niveau et d’actions multi-étapes, la généralisation multidimensionnelle continue entre environnements, tâches et configurations, la cohérence de génération vidéo multivue, et la haute cohérence entre actions et génération vidéo.
Selon le processus global, le modèle de base DM0.5 génère un lot d’actions initiales, DW0.5 génère en masse des trajectoires de succès et d’échec dans l’environnement virtuel, puis l’entraîneur par renforcement CFG-RL note chaque trajectoire, et après retour de récompense, les poids du modèle sont mis à jour. La majeure partie des données de ce cycle est générée en ligne par DW0.5, réduisant la dépendance coûteuse aux robots réels.
Dans des tâches difficiles comme gonfler un ballon, étendre du linge et plier une boîte en carton, les modèles intégrant DFOL2.0 montrent une amélioration significative du taux de réussite des étapes clés par rapport à la simple ligne de base SFT. Pour la tâche de gonflage de ballon, le taux de réussite de l’étape de gonflage passe de 10 % à 90 %, et l’insertion de la pompe dans le ballon de 10 % à 100 %. Pour la tâche d’étendage de linge, l’accrochage réussi sur le cintre double de 50 % à 100 %, et l’insertion du cintre dans le vêtement passe de 60 % à 90 %. Pour la tâche de pliage de boîte, les taux de réussite pour plier le côté droit et le côté gauche passent respectivement de 35 % à 55 % et 50 %.
Dans les benchmarks tels que EWMBench et WorldArena, DW0.5 obtient respectivement des scores de 4,73 et 73,54, atteignant le SOTA mondial (au 9 juillet).
ForceMind a indiqué que DW0.5 a déjà bouclé en interne le processus de post-entraînement incarné DFOL2.0, commençant à assumer la génération de données, l’évaluation de la valeur et l’itération des stratégies, et a été intégré à la plateforme DexDev MaaS. Pour les modèles ayant une capacité de généralisation zero-shot insuffisante, les capacités peuvent être complétées par post-entraînement et reconnectées au service. Wang Tiancai, cofondateur de ForceMind, a souligné que le modèle mondial nécessite encore un calibrage sur robots réels, et que les données réelles ont une valeur irremplaçable. Il a mentionné qu’avec l’amélioration des capacités des modèles visuels, le personnel sur site peut utiliser des caméras Ego pour collecter des données d’opération, réduisant ainsi le seuil du post-entraînement sur le terrain.
