پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

مدل هوش مصنوعی Ludi 0.2 معرفی شد؛ فناوری جدیدی برای درک رفتار و حرکات انسان توسط ربات‌ها

انتشار:۱۰ آبان ۱۴۰۵(۲ دقیقه پیش)
۲ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

استارتاپ Ludo Robotics از نسخه جدید مدل هوش مصنوعی Ludi 0.2 برای ربات‌های اجتماعی رونمایی کرد. این سامانه به ربات‌ها امکان می‌دهد به‌جای اجرای صرف دستورهای ساده، نیت واقعی انسان را درک کنند، حرکات بدن را تشخیص دهند و گفتگو را ادامه دهند. این دستاورد مسیر تازه‌ای برای توسعه ربات‌های خدمت‌رسان و خانگی هوشمند می‌گشاید.

مدل هوش مصنوعی Ludi 0.2 معرفی شد؛ فناوری جدیدی برای درک رفتار و حرکات انسان توسط ربات‌ها

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • نسخه جدید سامانه Ludi 0.2 توانایی درک مقاصد کاربران و تحلیل زبان بدن را به ربات‌ها اضافه می‌کند.
  • این سامانه با تکیه بر مدل‌های بینایی و زبانی می‌تواند مکالمه و جابه‌جایی و کار با ابزارها را به‌طور یکپارچه هماهنگ کند.
  • تیم سازنده قصد دارد در گام‌های بعدی یک مدل بنیادین جامع برای ترکیب ادراک محیطی و فعالیت‌های فیزیکی ربات‌ها توسعه دهد.

مقدمه

Ludi 0.2 دومین نسخه از سامانه هوش رباتیک توسعه‌یافته توسط Ludo Robotics است؛ استارتاپی مستقر در پالو آلتو و از زیرمجموعه‌های شرکت KRAFTON (ناشر نام‌آشنای بازی PUBG: BATTLEGROUNDS). این سیستم هوشمند در تاریخ ۳۰ اکتبر ۲۰۲۶ در همایش رباتیک خلیج سان‌فرانسیسکو (BARS) در دانشگاه برکلی کالیفرنیا معرفی شد.

سامانه Ludi به‌طور ویژه برای ربات‌های دارای هوش اجتماعی طراحی شده است؛ این مدل به‌جای اجرای صرف دستورهای خشک و از پیش‌تعیین‌شده، تلاش می‌کند خواسته و نیت واقعی کاربر را درک کند، رشته گفتگو را به یاد بسپارد، اشارات و زبان بدن را تشخیص دهد و همگام با دگرگونی شرایط وظیفه، رفتار خود را تطبیق دهد.

بررسی معماری و نحوه عملکرد

معماری سامانه (بر پایه مقاله Ludi 0.1 و مستندات رونمایی)

  • هسته استدلال: یک مدل زبانی-بینایی (VLM) بازتنظیم‌شده (نسخه Ludi 0.1 از مدل Qwen3.5 VLM بهره می‌برد) که بر روی داده‌های تعاملات چندمرحله‌ای انسان و ربات، شامل درخواست‌های مبهم، فرآیندهای شفاف‌سازی، تصحیح خطاها و موارد قطع کلام آموزش دیده است.
  • حلقه کنترل (Harness): یک چرخه عاملی اختصاصی که در هر گام تصمیم می‌گیرد از چه قابلیتی استفاده کند؛ سخن گفتن، ناوبری در محیط، یا کار با اشیاء و ابزارها.
  • مهارت‌ها: الگوهای ناوبری اختصاصی و راهبردهای آموزش‌دیده برای تعامل با اشیاء؛ این دموی آزمایشی بر روی ربات انسان‌نمای Unitree G1 با دست سه‌انگشتی Dex-3 و سیاست‌های بهینه‌سازی‌شده NVIDIA GR00T اجرا می‌شود.

قابلیت‌های جدید در نسخه 0.2

  • هوش اجتماعی: تفسیر بسیار دقیق‌تر نیت‌ها، بازخوردها و نشانه‌های رفتاری انسان در تعاملات روزمره.
  • حافظه و استدلال: حفظ پیوستگی موضوع و زمینه وظایف در طول فرآیندهای متغیر.
  • هماهنگی ابزارها: ترکیب روان‌تر و هماهنگ میان ناوبری فیزیکی، جابه‌جایی اشیاء و مکالمه کلامی.
  • درک اشارات بدن: شناسایی دقیق حرکات دست و واکنش هوشمندانه به زبان بدن انسان.
  • مانورهای حرکتی: حرکت فیزیکی روان‌تر و تطبیق‌پذیری بالاتر در جابه‌جایی‌های محیطی.

نقشه راه توسعه

تیم Ludo اعلام کرده است که در حال حاضر روی پروژه Ludi 1.0 کار می‌کند؛ مدلی بنیادین و یکپارچه که ادراک حسی، گفتگو و عملکرد فیزیکی را درون یک ساختار واحد ادغام خواهد کرد. با این حال، تحلیل‌گران حوزه رباتیک یادآور شده‌اند که معرفی نسخه 0.2 بدون ارائه نتایج بنچمارک‌های استاندارد عمومی انجام شده است.

کاربردها و دسترسی

منابع و اطلاعات تکمیلی

این دستاورد برای چه گروه‌هایی اهمیت دارد؟

  • پژوهشگران رباتیک که در زمینه تعامل انسان و ربات و سیستم‌های عاملی VLA (بینایی، زبان و عمل) فعالیت دارند.
  • تیم‌های توسعه‌دهنده ربات‌های خدماتی و خانگی که باید دستورهای گفتاری مبهم و غیردقیق کاربران را به درستی پردازش کنند.
  • علاقه‌مندان به کاربرد هوش مصنوعی در بازی‌های ویدیویی؛ زیرا Ludi بر پایه تجربیات پیشین KRAFTON و همکاری آن با NVIDIA در زمینه ساخت شخصیت‌های تعاملی بنا شده است.

در زمان این رونمایی، هیچ کیت توسعه نرم‌افزار (SDK) یا وزن‌های مدلی به‌صورت عمومی برای Ludi 0.2 منتشر نشده و این سیستم صرفاً به‌عنوان یک دموی تحقیقاتی به نمایش درآمده است.

بازخورد و اشتراک‌گذاری این مطلب

اگر این گزارش برایتان مفید بود، با پسندیدن و اشتراک‌گذاری آن با دیگران، از محتوای تخصصی هوش مصنوعی حمایت کنید.

اشتراک‌گذاری در شبکه‌های اجتماعی:

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

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.

مطالب مرتبط و پیشنهادی

مدل جهان Mundo با چند عکس ساده، محیط‌های سه‌بعدی تعاملی برای آموزش ربات‌ها خلق می‌کند
آخرین اخبار

مدل جهان Mundo با چند عکس ساده، محیط‌های سه‌بعدی تعاملی برای آموزش ربات‌ها خلق می‌کند

مدل جهان جدید Mundo قادر است تنها با دریافت چند عکس ساده یا ویدیویی کوتاه از یک اتاق، محیطی سه‌بعدی، قابل کاوش و منطبق بر قوانین فیزیکی خلق کند. در این محیط شبیه‌سازی‌شده، ربات‌ها می‌توانند به کاوش بپردازند، اشیا را جابه‌جا کنند و مهارت‌های ناوبری را پیش از ورود به دنیای واقعی بیاموزند.

۲ دقیقه مطالعه
۰
۱۰ آبان
پروژه nesformer؛ اجرای پردازنده نینتندو درون وزن‌های مدل زبانی Qwen3.5
آخرین اخبار

پروژه nesformer؛ اجرای پردازنده نینتندو درون وزن‌های مدل زبانی Qwen3.5

پروژه متن‌باز nesformer با ابتکاری کم‌نظیر، پردازنده کنسول نینتندو را به‌طور مستقیم درون وزن‌های دست‌نخورده مدل زبانی Qwen3.5 کامپایل کرده است. در این ساختار هیچ فرآیند یاد‌گیری ماشینی وجود ندارد و تمام وزن‌ها به کمک یک کامپایلر اختصاصی محاسبه می‌شوند. با این روش، اجرای بازی‌های معروفی مانند سوپر ماریو به‌صورت توکن‌به‌توکن و بر بستر استنتاج یک مدل زبانی انجام می‌پذیرد.

۲ دقیقه مطالعه
۰
۱۰ آبان
استارتاپ KineDB با جذب سرمایه ۸۵۰ هزار یورویی، همگام‌سازی آفلاین را به درون پایگاه داده می‌آورد
آخرین اخبار

استارتاپ KineDB با جذب سرمایه ۸۵۰ هزار یورویی، همگام‌سازی آفلاین را به درون پایگاه داده می‌آورد

استارتاپ KineDB با جذب سرمایه ۸۵۰ هزار یورویی در مرحله پیش‌بذری، در پی بازتعریف معماری نرم‌افزارهای محلی و موبایلی است. این شرکت با ادغام قابلیت همگام‌سازی آفلاین درون موتور پایگاه داده، نیاز به لایه‌های ارتباطی مجزا میان سرور و دستگاه کاربر را حذف می‌کند. با این راهکار، توسعه اپلیکیشن‌های مستقل از اینترنت با پیچیدگی زیرساختی بسیار کمتری انجام خواهد شد.

۱ دقیقه مطالعه
۰
۱۰ آبان