موسسه Ai2 از پلتفرم شبیه‌سازی ToyBlocks برای آموزش بازوهای رباتیک رونمایی کرد
موسسه تحقیقات هوش مصنوعی آلن (Ai2) از محیط شبیه‌سازی جدیدی به نام ToyBlocks برای آموزش و ارزیابی بازوهای رباتیک رونمایی کرد. این پلتفرم متن‌باز با تولید خودکار داده‌های مهارتی، نیاز به هدایت دستی ربات‌ها توسط انسان را برطرف می‌سازد. توسعه‌دهندگان می‌توانند از این بستر برای ارزیابی مدل‌های کنترلی و بررسی انتقال مهارت‌ها به دنیای واقعی استفاده کنند.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- موسسه Ai2 پلتفرم شبیه‌سازی متن‌باز ToyBlocks را مبتنی بر Isaac Sim برای آموزش مهارت‌های فیزیکی به بازوهای رباتیک منتشر کرد.
- این مجموعه‌داده شامل بیش از ۸۵ هزار نمایش حرکتی طولانی و ۱۴۴ میلیون فریم ویدیویی است که بدون دخالت دست یا اپراتور انسانی تولید شده‌اند.
- محیط جدید امکان تولید داده، آموزش مدل‌ها و ارزیابی حلقه‌بسته را در فضایی یکپارچه فراهم می‌کند تا محققان خطاهای برنامه‌ریزی و کنترل را به‌آسانی از یکدیگر تفکیک کنند.
معرفی پروژه
پروژه ToyBlocks نخستین نمونه از سری FoundationWorld متعلق به موسسه Ai2 به‌شمار می‌رود؛ یک محیط شبیه‌سازی باز و کاملاً کنترل‌شده در حوزه رباتیک که برای دستکاری بلوک‌ها (هل دادن، چرخاندن و چیدن روی هم) توسط یک بازوی مکانیکی رومیزی طراحی شده و بر پایه بستر NVIDIA Isaac Sim و Isaac Lab توسعه یافته است.
مهم‌ترین ویژگی‌های این پروژه عبارتند از:
- تولید خودکار مهارت‌ها و داده‌های نمایشی با افق زمانی طولانی، بدون نیاز به هدایت دستی توسط انسان (Teleoperation)
- انتشار اولیه بیش از ۸۵٬۳۳۶ داده نمایشی با افق زمانی بلند، معادل حدود ۱٬۶۰۰ ساعت و ۱۴۴ میلیون فریم در قالب استاندارد LeRobot
- پشتیبانی از آموزش مدل‌ها (مانند ManiFlow) و ارزیابی حلقه‌بسته با قابلیت جایگزینی سطوح ساختار سلسله‌مراتبی با الگوهای مرجع (Oracle) جهت ریشه‌یابی و تفکیک خطاها
- تعریف اهداف بر پایه زبان PDDL همراه با معیارهای خودکار برای سنجش موفقیت کامل یا پیشرفت نسبی ماموریت.
پست وبلاگ: وبلاگ رسمی پروژه در Hugging Face
مخزن گیت‌هاب: صفحه گیت‌هاب پروژه ToyBlocks
اهمیت و کاربرد پروژه
یادگیری ربات‌ها همواره با چالش هزینه‌های بالای تولید داده‌های حرکتی و دشواری در ردیابی علل خطا روبه‌رو بوده است. بستر ToyBlocks فرآیند تولید داده، آموزش مدل و ارزیابی عملکرد را در یک دنیای شبیه‌سازی‌شده و کنترل‌شده گرد هم می‌آورد؛ رویکردی که به تیم‌های فنی اجازه می‌دهد خطاهای ناشی از برنامه‌ریزی را از خطاهای لایه کنترل تفکیک کرده و فرآیند انتقال آموخته‌ها از شبیه‌ساز به دنیای واقعی را بادقت مطالعه کنند.
نکات مهم و پیش‌نیازها
- عنوان FoundationWorld نام این مجموعه تحقیقاتی در موسسه Ai2 است و ToyBlocks نخستین پیاده‌سازی از این سری به‌شمار می‌رود
- راه‌اندازی این محیط نیازمند ابزارهای Isaac Sim و Isaac Lab به‌همراه پردازنده‌های گرافیکی NVIDIA خواهد بود
- برای جلوگیری از اشتباه گرفتن این ابزار با برندهای اسباب‌بازی، در مراجع توسعه از شناسه allenai/ToyBlocks استفاده کنید.
نحوه استفاده و راه‌اندازی
- مطالعه راهنما در وبلاگ رسمی پروژه در Hugging Face
- کلون کردن مخزن از طریق صفحه گیت‌هاب ToyBlocks و پیکربندی ابزارهای Isaac Sim و Isaac Lab طبق مستندات
- آموزش مدل با استفاده از مجموعه‌داده آماده allenai/toyblocks-data یا داده‌های شبیه‌سازی تولیدشده توسط کاربر
- ارزیابی حلقه‌بسته در محیط شبیه‌ساز و بهره‌گیری از اوراکل‌ها برای جداسازی و تحلیل خطاهای ساختار سلسله‌مراتبی.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی
پروژه Montage Studio معرفی شد؛ همکاری عوامل هوشمند برای ساخت خودکار ویدیو
پروژه Montage Studio با گردهم‌آوری عوامل هوشمند در پلتفرم TermiX، فرایند تولید ویدیو را متحول می‌کند. در این سامانه یک ایجنت ارشد وظایف ساخت ویدیو از استوری‌بورد تا رندر و صداگذاری را میان ایجنت‌های تخصصی توزیع کرده و تسویه مالی را با قراردادهای هوشمند انجام می‌دهد.
چارچوب جدید Frontier Model Forum برای سنجش و رتبه‌بندی خطرات جیل‌بریک هوش مصنوعی
کنسرسیوم Frontier Model Forum نسخه نخست چارچوب رتبه‌بندی جیل‌بریک را با هدف ایجاد زبانی مشترک برای سنجش خطرات سایبری در مدل‌های پیشرفته منتشر کرد. این سازوکار جدید به پژوهشگران و تیم‌های امنیتی امکان می‌دهد شدت آسیب‌پذیری‌ها را بر اساس دامنه نفوذ اولویت‌بندی کنند.
استارتاپ Nous Research مدل Arete-27B را معرفی کرد؛ بازتنظیم نسخه چینی Qwen با حفظ توانایی فنی
استارتاپ Nous Research از مدل Arete-27B رونمایی کرد که نسخه بازتنظیم‌شده مدل متن‌باز Qwen3.8-27B به‌شمار می‌رود. این پروژه با هدف کاهش پاسخ‌های طفره‌آمیز و سوگیرانه در موضوعات حساس توسعه یافته است و در عین حال، عملکرد فنی و توانایی‌های بالای مدل پایه را بدون نیاز به یادگیری تقویتی حفظ می‌کند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.