"En modell, ett datagränssnitt, vilken kropp som helst": Belönings-AI:s OM-1 lär sig manipulation direkt från människor
Belönings-AI har infört OM-1, en universell robotmodell utformad för att inhämta fysisk intelligens direkt från mänsklig manipulationsdata. Företaget hävdar att systemet kan generalisera nollskottsanalys över robotkroppar – inklusive bordsarmar, industriarmar och humanoider – utan teleoperationsdata, robotträning eller robotspecifik finjustering.
Grunden för systemet är Omnibody Hand, en bärbar enhet med sju frihetsgrader byggd på teamets tidigare Stanford-forskning, DexCap. Istället för att replikera den mänskliga handen led för led är handen utformad kring funktionella förmågor: att välja användbara kontaktpunkter, omorientera föremål i handflatan och smidigt övergå mellan precisions- och kraftgrepp. En ergonomisk passform tillgodoser variationer i handstorlek och fingerproportioner, vilket säkerställer att registrerade rörelser återspeglar naturligt, okompenserat mänskligt beteende.
Ovanpå detta ligger lagret ”One Data Interface”, som kombinerar högfrekvent taktil feedback, närhetsavkänning, kameror med global slutare i handen och elektromagnetisk handpositionsspårning för att fånga demonstrationer i full mänsklig takt. Företaget rapporterar att utökad visuell tröghetsspårning med elektromagnetisk avkänning minskade det genomsnittliga överskridningsfelet med 60 % vid hög hastighet i kontrollerade tester, och att kraftdata registreras längs banor så att demonstrationerna kodar både banan och ansträngningen bakom den.
Lärande från människor, inte robotar
OM-1 tränas uteslutande på mänsklig data. Enligt Reward AI används varken teleoperation eller någon robotupplevelse under träningen; policyn lär sig istället att generera robotåtgärder direkt från mänsklig rörelse, vilket destillerar vad teamet beskriver som undermedveten fysisk intelligens till en enda, enhetlig modell. Eftersom alla demonstrationer kommer via samma datagränssnitt slås för- och efterträning samman till ett enda steg – ny data kräver ingen återinsamling och ingen separat träningspipeline per robot, uppgift eller driftsättning.
Arkitektoniskt sett bearbetar OM-1 varje sensorisk modalitet – bilder, taktila signaler, närhet mellan fingrar och handpositionsbanor – med sin ursprungliga samplingsfrekvens, vilket bevarar högfrekventa kontaktsignaler tillsammans med långsammare visuellt sammanhang. En tidsmässig historik över dessa strömmar gör det möjligt för policyn att resonera kring hur kontakt och uppgiftsförlopp utvecklas. Under den finns ett kontrolllager baserat på förstärkningsinlärning som körs med hög frekvens och översätter handlingar till aktivering för en given kropp, vilket kompenserar för dynamik, störningar och systemfördröjningar, samtidigt som övergångarna mellan successiva policyförutsägelser optimeras för att hålla rörelsen smidig och snabb.
I sin slutsats konstaterar företaget att OM-1 kan hantera helt nya uppgifter – inklusive utmanande dynamik och långa horisonter – från mindre än 30 minuters data. Om metoden valideras placerar den mänskliga demonstrationsmätningen, avkänningen, inlärningen, inferensen och kontrollen som en enda integrerad stack – en som företaget framställer som framtidssäker för robothårdvara som ännu inte har designats.
Ansvarsfriskrivning
I linje med den Riktlinjer för Trust Project, vänligen notera att informationen på den här sidan inte är avsedd att vara och inte ska tolkas som juridisk, skattemässig, investerings-, finansiell eller någon annan form av rådgivning. Det är viktigt att bara investera det du har råd att förlora och att söka oberoende finansiell rådgivning om du har några tvivel. För ytterligare information föreslår vi att du hänvisar till villkoren samt hjälp- och supportsidorna som tillhandahålls av utfärdaren eller annonsören. MetaversePost är engagerad i korrekt, opartisk rapportering, men marknadsförhållandena kan ändras utan föregående meddelande.
Om författaren
Alisa, en engagerad journalist på MPost, specialiserar sig på krypto, AI, investeringar och det expansiva området av Web3. Med ett skarpt öga för nya trender och tekniker levererar hon omfattande täckning för att informera och engagera läsare i det ständigt föränderliga landskapet för digital ekonomi.
fler artiklar
Alisa, en engagerad journalist på MPost, specialiserar sig på krypto, AI, investeringar och det expansiva området av Web3. Med ett skarpt öga för nya trender och tekniker levererar hon omfattande täckning för att informera och engagera läsare i det ständigt föränderliga landskapet för digital ekonomi.
