پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

رونمایی از شبیهساز رباتیک PrimeSim؛ جهش در آموزش مهارت‌های حرکتی با مدل‌های جهان

انتشار:۱۰ آبان ۱۴۰۵(۱ دقیقه پیش)
۲ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

شرکت Qiyuan Robotics از شبیهساز نوین PrimeSim برای آموزش و ارتقای مهارت‌های حرکتی ربات‌ها رونمایی کرد. این ابزار مبتنی بر مدل جهان، محیط‌هایی تعاملی و مجازی خلق می‌کند تا نیاز به آزمون و خطای پرهزینه ربات‌ها در دنیای واقعی کمتر شود. بررسی‌ها نشان می‌دهند که یاد‌گیری تقویتی در این بستر، نرخ موفقیت مهارت‌های رباتیک را به‌شکل محسوسی افزایش داده است.

رونمایی از شبیهساز رباتیک PrimeSim؛ جهش در آموزش مهارت‌های حرکتی با مدل‌های جهان

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • شبیهساز جدید PrimeSim با استفاده از مدل‌های جهان و بدون نیاز به موتورهای فیزیکی سنتی، محیط‌های مجازی تعاملی را برای آموزش مهارت‌های حرکتی ربات‌ها خلق می‌کند.
  • این ابزار در بنچمارک تخصصی WorldSimProbe صدرنشین جدول LIBERO شده و نرخ موفقیت مهارت‌های رباتیک را در یاد‌گیری تقویتی از ۶۱٫۷ درصد به ۷۳٫۲ درصد رسانده است.
  • هدف اصلی این پلتفرم کاهش فاصله میان شبیه‌سازی و واقعیت و بینیاز کردن تیم‌های رباتیک از آزمون و خطاهای پرهزینه با ربات‌های واقعی است.

معرفی شبیهساز PrimeSim

PrimeSim یک شبیهساز مبتنی بر مدل جهان برای آموزش ربات‌ها است که شرکت چینی فعال در حوزه هوش فیزیکی Qiyuan Robotics در تاریخ ۳۰ اکتبر ۲۰۲۶ از آن رونمایی کرد. این ابزار به‌جای استفاده از شبیهسازهای فیزیکی طراحی دستی، از یک مدل جهان یاد‌گیرنده بهره می‌برد تا محیط‌های مجازی تعاملی و تکرارپذیری ایجاد کند که در آنها خطمشی‌های حرکتی و دستورزی ربات‌ها از طریق آزمون و خطا اعتبارسنجی و ارتقا یابند.

این شبیهساز در بدو معرفی توانست در بنچمارک WorldSimProbe که معیار سنجش مدل‌های جهان رباتیک به‌شمار می‌رود، رتبه نخست جدول کلی LIBERO را از آن خود کند و در ۳ آزمون از مجموع ۵ آزمون به پیروزی برسد.

توضیحات

نکات کلیدی

  • ماهیت پلتفرم: شبیه‌سازی مبتنی بر مدل جهان که به‌عنوان جایگزین یا مکمل شبیهسازهای سنتی برای آموزش دستورزی رباتیک عمل می‌کند.
  • نتایج بنچمارک: کسب رتبه نخست در جدول کلی LIBERO از بنچمارک WorldSimProbe با برتری در ۳ آزمون از ۵ آزمون؛ آزمون LIBERO بر مهارت‌های دستورزی چندمرحل‌های و زمانبر تمرکز دارد.
  • دستاورد یاد‌گیری تقویتی بر اساس گزارش سازنده: اجرای یاد‌گیری تقویتی درون محیط PrimeSim نرخ موفقیت خطمشی‌های رباتیک را از ۶۱٫۷ درصد به ۷۳٫۲ درصد افزایش داده است.
  • هدف اصلی: کاهش شکاف میان شبیه‌سازی و واقعیت (Sim2Real gap) و کاستن از وابستگی به آزمون و خطاهای پرهزینه با ربات‌های واقعی.

جایگاه PrimeSim در جریان تحولات رباتیک

در اکتبر ۲۰۲۶ چندین مدل جهان در حوزه رباتیک هم‌زمان رونمایی شدند؛ از جمله مدل Mundo از استارتاپ ACE Robotics که صحنه‌های سه‌بعدی قابل کاوش را از روی تصاویر بازسازی می‌کند. در این میان، پلتفرم PrimeSim موقعیت خود را به‌عنوان جایگزین شبیهسازهای کلاسیک در آموزش خطمشی‌ها تثبیت کرده است. با این حال، تحلیلگران یادآور می‌شوند که آمارهای درخشان صدرنشینی در جدول ردهبندی توسط شرکت سازنده اعلام شده و هنوز به‌صورت مستقل بازآزمایی و تکرار نشده است.

کاربردها

این پلتفرم برای چه کسانی مناسب است؟

  1. تیم‌های توسعه رباتیک که خطمشی‌های دستورزی را آموزش می‌دهند (مبتنی بر مدل بینایی، زبان و عمل VLA، یاد‌گیری تقلیدی و یاد‌گیری تقویتی) و بهدنبال آزمون و خطای کمهزینهتر و در مقیاس وسیع نسبت به ربات‌های واقعی هستند.
  2. پژوهشگرانی که به مقایسه شبیهسازهای مبتنی بر مدل جهان می‌پردازند و می‌خواهند برای بررسی امتیازات تفکیکی هر وظیفه در PrimeSim، جدول ردهبندی WorldSimProbe LIBERO را ارزیابی کنند.
  3. نحوه دسترسی: پیگیری اطلاعیه‌های رسمی شرکت Qiyuan Robotics برای اطلاع از شرایط دسترسی؛ این ابزار در زمان معرفی اولیه صرفاً از طریق بیانیه‌های رسانه‌ای ارائه شد و به‌عنوان یک دانلود عمومی و متن‌باز منتشر نشده 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

پلاگین جدید مایکروسافت، هزینه اجرای ایجنت‌های کدنویسی را تا ۳۰ درصد کاهش می‌دهد
آخرین اخبار

پلاگین جدید مایکروسافت، هزینه اجرای ایجنت‌های کدنویسی را تا ۳۰ درصد کاهش می‌دهد

مایکروسافت با معرفی ابزار متن‌باز TokenEconomizer، راهکاری هوشمندانه برای کاهش چشمگیر هزینه‌های اجرای ایجنت‌های هوش مصنوعی ارائه کرده است. این پلاگین با یاد‌گیری مشخصات پروژه‌ها و حذف ابزارهای غیرضروری، مانع از هدررفت توکن‌ها در وظایف تکراری برنامه‌نویسی می‌شود.

۲ دقیقه مطالعه
۰
۱۰ آبان
تبدیل عکس به مدل سه‌بعدی در کمتر از ۲ ثانیه؛ دستاورد مدل متن‌باز Idol
آخرین اخبار

تبدیل عکس به مدل سه‌بعدی در کمتر از ۲ ثانیه؛ دستاورد مدل متن‌باز Idol

مدل متن‌باز Idol با تکیه بر فناوری گوسیان اسپلتینگ می‌تواند تنها با دریافت یک تصویر دوبعدی، مدل سه‌بعدی کامل اشیاء را در کمتر از دو ثانیه بسازد. این مدل با مصرف حدود ۷٫۲ گیگابایت حافظه ویدئویی، روی کارت‌های گرافیک خانگی اجرا می‌شود و ساخت دارایی‌های سه‌بعدی را بسیار آسان می‌کند.

۲ دقیقه مطالعه
۰
۱۰ آبان
معرفی مدل ویدیوساز FLUX 3 Max؛ تولید ویدیوی ۱۰ ثانیه‌ای در کمتر از ۱۳ ثانیه
آخرین اخبار

معرفی مدل ویدیوساز FLUX 3 Max؛ تولید ویدیوی ۱۰ ثانیه‌ای در کمتر از ۱۳ ثانیه

بخش پژوهشی fal Research با همکاری Black Forest Labs از مدل ویدیوساز FLUX 3 Max رونمایی کرد. این نسخه ارتقایافته با بهینه‌سازی فرایند استنتاج، می‌تواند یک ویدیوی ۱۰ ثانیه‌ای را تنها در ۱۲٫۴۵ ثانیه تولید کند و کیفیت بالاتری نسبت به نسخه اولیه ارائه دهد.

۲ دقیقه مطالعه
۰
۱۰ آبان