Echte Daten sind die fehlende Verbindung zwischen Simulation und physischer Intelligenz. Mit dem Lemorele P300 (R) schließt Robora diese Lücke und verwandelt jeden Benutzer in einen Mitwirkenden an der Evolution der verkörperten KI. Es ermöglicht die Echtzeitaufnahme von hochauflösendem Video von jeder Kamera, egal ob sie an einem Roboterprototyp, einer Drohne oder einer Handkamera montiert ist. Dieser visuelle Feed wird drahtlos und verlustfrei an ein verbundenes Gerät (Tablet, Telefon oder PC) übertragen, das die Robora VLA-Schnittstelle oder die Datenerfassungs-App ausführt. Das Gerät streamt oder lädt diese Feeds dann direkt in die Robora-Cloud oder den lokalen VLA-Verarbeitungs-Knoten hoch. Durch das Sammeln von Daten aus verschiedenen Umgebungen und Anwendungsfällen erhält Robora die Grundlage, um seine Modelle mit echten sensorischen Informationen zu trainieren und zu verfeinern, und geht über rein simulierte Daten hinaus. Dieser Ansatz ist entscheidend, um die Lücke zwischen Simulation und Realität zu verringern, den Leistungsunterschied zwischen Robotern, die in Simulationen trainiert wurden, und solchen, die in komplexen physischen Umgebungen arbeiten.

Robora Sim: Eine von PyBullet unterstützte Umgebung zum Lernen robotischer physischer Intelligenz Wir bauen derzeit unsere Robora-Simulationsumgebung für unser sim-basiertes Lernen auf, wobei wir PyBullet nutzen, eine branchenübliche Physik-Engine, die häufig in der KI-gesteuerten Robotikforschung und -entwicklung eingesetzt wird. Die Umgebung ist mit GPU-beschleunigten Lernalgorithmen optimiert, die schnelles Imitationslernen und Verstärkungslernen in einer sicheren und kontrollierten virtuellen Umgebung ermöglichen, bevor sie in die reale Welt überführt wird. Diese Simulationsplattform ermöglicht es unseren Modellen, zu lernen, sich anzupassen und über verschiedene Robotermorphologien, Geländetypen und Aufgabenobjektive zu verallgemeinern - alles bevor sie in der realen Welt eingesetzt werden. Im Kern kombiniert das System einen VLA-gesteuerten Hochleistungsplaner mit Algorithmen zur Bewegungssteuerung auf niedriger Ebene, die zusammenarbeiten, um emergente, physikalisch intelligente Verhaltensweisen zu erzeugen. Diese Synergie zwischen Simulation, Lernen und Transfer in die reale Welt stellt einen bedeutenden Fortschritt in unserem Streben nach adaptiven und intelligenten robotischen Systemen dar. Durch fortschrittliche Domänenrandomisierung und synthetische Datengenerierung stellt die Robora-Simulationsumgebung sicher, dass in der Simulation trainierte Richtlinien effektiv auf reale Roboter übertragen werden, wodurch die Sim-to-Real-Lücke minimiert wird. Darüber hinaus werden die Benutzer in der Lage sein, ihre eigenen Hardware-Kits innerhalb ausgewählter Simulationsumgebungen in der Robora Dapp zu testen und zu integrieren, um nahtlose Kompatibilität und eine sicherere Implementierung in der realen Welt zu gewährleisten.

In dieser Woche haben wir uns bei Robora hauptsächlich auf die Entwicklung konzentriert. Unsere Arbeit floss in die Verbesserung der Kernwerkzeuge, die die Plattform antreiben, von der Verwaltung von Modellen und Feinabstimmungsfähigkeiten bis hin zu 3D-Kartierung und Computer Vision. Wir haben auch unser Netzwerk erweitert, indem wir neuen realen KI-Initiativen beigetreten sind, und weiter daran gearbeitet, Forschung mit praktischen Robotikanwendungen zu verbinden. Hier sind die wichtigsten Updates: - Wir haben ein Robora-Entwicklungsupdate veröffentlicht, das den Fortschritt auf der Plattform teilt: Verwaltung von Modellgewichten mit Hugging Face-Integration hinzugefügt, ein frühes CLI-Tool für Entwickler erstellt, den Plan für das Feinabstimmungs-SDK mit Imitationslernen und RLHF in PyBullet festgelegt und mit der Arbeit an einem 3D-Mapping-SDK begonnen, um reale Umgebungen zu generieren. - Robora ist der Real World AI Foundry beigetreten, einer globalen Initiative, die von @iotex_io zusammen mit Partnern wie Vodafone, Filecoin und Theta geleitet wird. Diese Zusammenarbeit hilft, offene Standards und Rahmenbedingungen für reale KI zu schaffen und unterstützt unsere Mission, physische Systeme mit intelligenten Agenten zu verbinden. - Wir haben unser September-Monatsrückblick veröffentlicht, der die neuesten Entwicklungsupdates hervorhebt und einen Überblick darüber gibt, wohin die Plattform als Nächstes geht. - Wir haben bekannt gegeben, dass unsere Zusammenarbeit mit Universitäten am Robora Vision-Modul kurz vor dem Abschluss steht. Dieses Open-Source-Computer-Vision-System gibt Robotern die Fähigkeit, die Welt in Echtzeit zu sehen und zu verstehen, und wird bald zusammen mit den Forschern und Partnern präsentiert, die beigetragen haben.