« Un modèle, une interface de données, n'importe quel corps » : OM-1 de Reward AI apprend la manipulation directement auprès des humains
Récompenser l'IA a introduit OM-1Il s'agit d'un modèle de base pour robots polyvalents conçu pour acquérir une intelligence physique directement à partir de données de manipulation humaine. L'entreprise affirme que le système peut généraliser l'apprentissage zéro-shot à différents types de robots — y compris les bras articulés de table, les bras industriels et les humanoïdes — sans données de téléopération, sans formation embarquée ni réglage fin spécifique à chaque robot.
Le système repose sur l'Omnibody Hand, un dispositif portable à sept degrés de liberté, fruit des recherches antérieures de l'équipe à Stanford, notamment sur le DexCap. Plutôt que de reproduire la main humaine articulation par articulation, la main est conçue autour de capacités fonctionnelles : sélection de points de contact pertinents, réorientation d'objets dans la paume et transition fluide entre préhension de précision et préhension de force. Son ergonomie s'adapte aux variations de taille de la main et de proportion des doigts, garantissant ainsi que les mouvements enregistrés reflètent un comportement humain naturel et spontané.
Au-dessus de cela se trouve la couche « One Data Interface », qui combine retour tactile haute fréquence, détection de proximité, caméras intégrées à obturateur global et suivi électromagnétique de la position de la main pour enregistrer des démonstrations à un rythme humain normal. L'entreprise indique que l'ajout de capteurs électromagnétiques au suivi visuo-inertiel a permis de réduire l'erreur moyenne de dépassement de 60 % à haute vitesse lors de tests contrôlés, et que les données de force sont enregistrées le long des trajectoires, de sorte que les démonstrations encodent à la fois le chemin parcouru et l'effort fourni.
Apprendre des humains, pas des robots
OM-1 est entraîné exclusivement à partir de données humaines. Selon Reward AI, ni la téléopération ni l'expérience directe avec le robot ne sont utilisées lors de l'entraînement ; le système apprend à générer des actions robotiques directement à partir des mouvements humains, intégrant ainsi ce que l'équipe décrit comme une intelligence physique subconsciente dans un modèle unique et unifié. Toutes les démonstrations transitant par la même interface de données, le pré-entraînement et le post-entraînement sont fusionnés en une seule étape : aucune nouvelle collecte de données n'est nécessaire, et il n'est pas nécessaire de mettre en place un processus d'entraînement distinct pour chaque robot, tâche ou déploiement.
Sur le plan architectural, OM-1 traite chaque modalité sensorielle (images, signaux tactiles, proximité inter-doigts et trajectoires de la main) à sa fréquence d'échantillonnage native, préservant ainsi les indices de contact à haute fréquence tout en intégrant le contexte visuel plus lent. L'historique temporel de ces flux permet au système d'analyser l'évolution du contact et de la progression de la tâche. En dessous, une couche de contrôle basée sur l'apprentissage par renforcement, fonctionnant à haute fréquence, traduit les actions en actions pour chaque corps, compensant la dynamique, les perturbations et les délais du système, tout en optimisant les transitions entre les prédictions successives du système afin de garantir des mouvements fluides à grande vitesse.
En conclusion, l'entreprise affirme qu'OM-1 peut appréhender des tâches inédites, y compris des situations complexes et des perspectives à long terme, à partir de moins de 30 minutes de données. Si cette approche est validée, elle positionne la capture de démonstrations humaines, la détection, l'apprentissage, l'inférence et le contrôle comme une solution intégrée unique, que l'entreprise présente comme une solution pérenne pour les robots encore à concevoir.
Clause de non-responsabilité
En ligne avec la Lignes directrices du projet de confiance, veuillez noter que les informations fournies sur cette page ne sont pas destinées à être et ne doivent pas être interprétées comme des conseils juridiques, fiscaux, d'investissement, financiers ou toute autre forme de conseil. Il est important d’investir uniquement ce que vous pouvez vous permettre de perdre et de demander des conseils financiers indépendants en cas de doute. Pour plus d'informations, nous vous suggérons de vous référer aux conditions générales ainsi qu'aux pages d'aide et de support mises à disposition par l'émetteur ou l'annonceur. MetaversePost s'engage à fournir des rapports précis et impartiaux, mais les conditions du marché sont susceptibles de changer sans préavis.
A propos de l'auteur
Alisa, journaliste dévouée au MPost, se spécialise dans les cryptomonnaies, l'IA, les investissements et le vaste domaine de Web3. Avec un œil attentif sur les tendances et technologies émergentes, elle propose une couverture complète pour informer et impliquer les lecteurs dans le paysage en constante évolution de la finance numérique.
Plus d'articles
Alisa, journaliste dévouée au MPost, se spécialise dans les cryptomonnaies, l'IA, les investissements et le vaste domaine de Web3. Avec un œil attentif sur les tendances et technologies émergentes, elle propose une couverture complète pour informer et impliquer les lecteurs dans le paysage en constante évolution de la finance numérique.
