現実世界のデータは、シミュレーションと物理的知能の間のミッシングリンクです。 Lemorele P300 (R) により、Robora はそのギャップを埋め、すべてのユーザーを具体化された AI 進化への貢献者に変えています。 ロボットのプロトタイプ、ドローン、ハンドヘルドカメラなど、あらゆるカメラからリアルタイムの高解像度ビデオキャプチャが可能になります。このビジュアルフィードは、Robora VLAインターフェースまたはデータキャプチャアプリを実行する接続されたデバイス(タブレット、電話、またはPC)にワイヤレスかつロスレスで送信されます。次に、デバイスはこれらのフィードを Robora のクラウドまたはローカル VLA 処理ノードに直接ストリーミングまたはアップロードします。 Robora は、さまざまな環境やユースケースからデータを収集することで、純粋にシミュレートされたデータを超えて、現実世界の感覚情報に基づいてモデルをトレーニングおよび微調整するための基盤を獲得します。 このアプローチは、シミュレーションでトレーニングされたロボットと複雑な物理環境で動作するロボットとの間のパフォーマンスの違いである、シミュレーションと現実のギャップを減らすための鍵となります。

Robora Sim: ロボットの物理知能を学習するための PyBullet を利用した環境 現在、AI駆動型ロボットの研究開発で広く使用されている業界標準の物理エンジンであるPyBulletを活用して、シムベースの学習用のRoboraシミュレーション環境セットアップを構築しています。この環境はGPUアクセラレーション学習アルゴリズムで最適化されており、現実世界に出荷する前に、安全で制御された仮想セットアップ内で高速模倣学習と強化学習を可能にします。 このシミュレーションプラットフォームにより、当社のモデルは、現実世界に展開する前に、さまざまなロボットの形態、地形タイプ、タスクの目的を学習、適応、一般化することができます。 このシステムの中核は、VLA を利用した高レベルのプランナーと低レベルのモーション コントロール アルゴリズムを組み合わせて、まとまりを持って動作して、物理的にインテリジェントな新たな動作を生成します。シミュレーション、学習、現実世界の転送の間のこの相乗効果は、適応型でインテリジェントなロボット システムの追求における大きな前進を示しています。 Robora Simulation Environment は、高度なドメインのランダム化と合成データ生成を通じて、シミュレーションでトレーニングされたポリシーが現実世界のロボットに効果的に転送され、シムとリアルのギャップが最小限に抑えられるようにします。 さらに、ユーザーは Robora Dapp の選択されたシミュレーション環境内で独自のハードウェア キットをテストおよび統合できるため、シームレスな互換性とより安全な現実世界の実装が保証されます。

今週のロボラでは、主に開発に焦点を当てました。私たちの作業は、モデルの管理や微調整機能から 3D マッピングやコンピューター ビジョンに至るまで、プラットフォームを強化するコア ツールの改善に費やされました。また、新しい現実世界のAIイニシアチブに参加することでネットワークを拡大し、研究と実用的なロボットアプリケーションをつなぐことに取り組み続けました。主なアップデートは次のとおりです。 - Robora Development Updateを公開し、プラットフォーム全体で進捗状況を共有しました:Hugging Face統合によるモデルの重み管理の追加、開発者向けの初期のCLIツールの構築、PyBulletの模倣学習とRLHFによる微調整SDKの計画の設定、現実世界の環境を生成するための3D Mapping SDKの作業を開始しました。 - Robora は、Vodafone、Filecoin、Theta などのパートナーとともに @iotex_io が主導する世界的な取り組みである Real World AI Foundry に参加しました。このコラボレーションは、現実世界の AI のオープン スタンダードとフレームワークの作成に役立ち、物理システムとインテリジェント エージェントを接続するという当社の使命をサポートします。 - 9月の月例総括をリリースし、最新の開発アップデートに焦点を当て、プラットフォームが次にどこに向かっているのかの概要を提供します。 - Robora Vision Moduleに関する大学との協業が完了に近づいていることを発表しました。このオープンソースのコンピュータービジョンシステムは、ロボットにリアルタイムで世界を見て理解する能力を与え、貢献した研究者やパートナーとともに間もなく発表される予定です。