This media is not supported in your browser
VIEW IN TELEGRAM
Indian inside
Никогда такого не было и вот опять.
Figure Helix-02 преподнесли как автономного сортировщика на конвеере, но зрители обратили внимание, что когда он начал промахиваться, то сделал характерные движения похожие на то как оператор поправляет VR гарнитуру.
Короче пока работы это такая разновидность цепи раба на галерах.
#роботы #Figure #Helix #fail #VR
------
@tsingular
Никогда такого не было и вот опять.
Figure Helix-02 преподнесли как автономного сортировщика на конвеере, но зрители обратили внимание, что когда он начал промахиваться, то сделал характерные движения похожие на то как оператор поправляет VR гарнитуру.
Короче пока работы это такая разновидность цепи раба на галерах.
#роботы #Figure #Helix #fail #VR
------
@tsingular
😁131❤8
Счётчик AGI сдвинулся на 99%: гуманоид Figure впервые поработал в 30 незнакомых квартирах без единой минуты обучения там
Компания Figure выкатила Helix 2.5, - самую продвинутую свою нейросеть.
Управляемый ею робот зашёл в 30 незнакомых домов Калифорнии и сразу приступил к работе: ни минуты сбора данных, ни файнтюнинга в этих квартирах.
Счётчик AGI Алана Томпсона, всё лето стоявший на 98%, сдвинулся на 99%: Helix 2.5 закрыл Woz-тест в масштабе.
⚛️ За счёт чего получилось:
Helix 2.5 претренировали на Index, - датасете человеческого поведения, прирастающем на ~35 минут новых данных каждую секунду.
Из одной базовой модели сделали три поведения: уборка гостиной, складывание полотенец, заправка кровати.
Претрейн на Index сам по себе поднял zero-shot успех с 9% до 56% (строгая оценка: всё или ничего, зачёт только за полностью выполненную задачу).
Если сравнивать с Helix 02, то получается вдвое меньше данных, специфичных для конкретной задаче при генерализации, охватывающий в 30 раз более широкий диапазон.
🧠 Впервые измерен scaling law переноса человек-робот:
Каждое удвоение данных Index закономерно улучшало предсказание действий робота, - как в языковых моделях.
Точность такая, что лосс крупнейшего прогона предсказали до старта обучения: ошибка 0.54% на диапазоне 8x.
Figure: рецепт уже знаком по другим областям ИИ: широко учись на претрейне, задай поведение один раз, генерализуй на развёртывании.
На тренировку Helix влили $3.5 млрд вычислений.
💼 Зачем бизнесу:
Zero-shot успех в незнакомой обстановке закрывает парадигму «учим робота под каждое место отдельно» и позволяет быстро масштабироваться.
Самокоррекция всего тела по классам действий, - "отойти, сменить стойку, обойти препятствие", позволяет доводить длинные задачи до конца без человека.
Оставшийся 1% в AGI счётчике Алана, - тонкая моторика многошаговой сборки на уровне среднего человека.
Чуть чуть осталось. Может до Нового Года как раз.
#Helix #Figure #робототехника #AGI #ИИ
———
@tsingular | Max | YouTube | RuTube | VK | VK Video | Дзен
Компания Figure выкатила Helix 2.5, - самую продвинутую свою нейросеть.
Управляемый ею робот зашёл в 30 незнакомых домов Калифорнии и сразу приступил к работе: ни минуты сбора данных, ни файнтюнинга в этих квартирах.
Счётчик AGI Алана Томпсона, всё лето стоявший на 98%, сдвинулся на 99%: Helix 2.5 закрыл Woz-тест в масштабе.
⚛️ За счёт чего получилось:
Helix 2.5 претренировали на Index, - датасете человеческого поведения, прирастающем на ~35 минут новых данных каждую секунду.
Из одной базовой модели сделали три поведения: уборка гостиной, складывание полотенец, заправка кровати.
Претрейн на Index сам по себе поднял zero-shot успех с 9% до 56% (строгая оценка: всё или ничего, зачёт только за полностью выполненную задачу).
Если сравнивать с Helix 02, то получается вдвое меньше данных, специфичных для конкретной задаче при генерализации, охватывающий в 30 раз более широкий диапазон.
🧠 Впервые измерен scaling law переноса человек-робот:
Каждое удвоение данных Index закономерно улучшало предсказание действий робота, - как в языковых моделях.
Точность такая, что лосс крупнейшего прогона предсказали до старта обучения: ошибка 0.54% на диапазоне 8x.
Figure: рецепт уже знаком по другим областям ИИ: широко учись на претрейне, задай поведение один раз, генерализуй на развёртывании.
На тренировку Helix влили $3.5 млрд вычислений.
💼 Зачем бизнесу:
Zero-shot успех в незнакомой обстановке закрывает парадигму «учим робота под каждое место отдельно» и позволяет быстро масштабироваться.
Самокоррекция всего тела по классам действий, - "отойти, сменить стойку, обойти препятствие", позволяет доводить длинные задачи до конца без человека.
Оставшийся 1% в AGI счётчике Алана, - тонкая моторика многошаговой сборки на уровне среднего человека.
Чуть чуть осталось. Может до Нового Года как раз.
#Helix #Figure #робототехника #AGI #ИИ
———
@tsingular | Max | YouTube | RuTube | VK | VK Video | Дзен
⚡14🔥8🆒2