10.000 Jam Data Manusia, Melatih Model Gerakan Implisit Dunia Bergerak Seluruh Tubuh Global Pertama
Perusahaan kecerdasan embodied Zhi Zai Wu Jie merilis **Being-M0.7**, model aksi-dunia laten (Latent World-Action Model) global pertama yang dirancang untuk operasi mobile-manipulasi seluruh tubuh robot humanoid.
Model ini mengatasi tiga tantangan utama dalam pengembangan robot humanoid: 1) biaya pengumpulan data demonstrasi robot fisik yang tinggi dan langka, 2) beban komputasi besar dari model prediksi video piksel, dan 3) kurangnya koordinasi antara kontrol gerak dan manipulasi.
Being-M0.7 dilatih awal dengan lebih dari **10.000 jam data multimodal berpusat pada manusia** (video sudut pandang orang pertama, data gerakan manusia), menggunakan arsitektur **Vision-Motion Mixture of Transformers (MoT)**. Arsitektur ini memungkinkan pelatihan bersama data berpasangan (video-gerakan), data video murni, dan data gerakan murni. Model kemudian diadaptasi ke tubuh robot spesifik melalui sejumlah kecil data demonstrasi robot fisik dengan bantuan **Action Expert** yang ringan.
Model ini menggunakan representasi gerak seragam yang ringkas (hanya kepala, kedua tangan, dan kaki) untuk menjembatani perbedaan morfologi antara manusia dan robot, serta menerapkan prediksi dalam ruang laten (bukan ruang piksel) untuk fokus pada informasi semantik yang relevan dengan kontrol dan mengurangi kebisingan.
Kemampuannya diuji dalam empat demonstrasi tugas menantang di dunia nyata dengan robot Unitree G1:
* **Menangkap ikan di akuarium:** Mengoordinasikan gerak seluruh tubuh untuk menangkap target dinamis dalam cairan.
* **Mengambil objek melalui cermin:** Menyimpulkan posisi objek tersembunyi menggunakan informasi pantulan cermin.
* **Memindahkan dan mengambil objek secara berurutan:** Menjaga pemahaman status dalam tugas jangka panjang dengan banyak subtugas.
* **Memindahkan kotak sambil menghindari rintangan:** Menyesuaikan orientasi tubuh dan langkah untuk melewati celah sempit sambil membawa beban.
Hasilnya menunjukkan kemampuan model dalam **perencanaan jangka panjang, penalaran ruang, penggunaan alat, dan koordinasi seluruh tubuh yang adaptif** berdasarkan prediksi keadaan masa depan. Pendekatan ini menggeser fokus kompetisi robot humanoid dari demonstrasi gerak murni ke kemampuan model yang dapat diskalakan, dengan memanfaatkan data perilaku manusia yang melimpah sebagai landasan untuk pembelajaran dan transfer pengetahuan ke robot.
marsbit07/15 01:53
