Habilis-: A Fast-Motion and Long-Lasting On-Device Vision-Language-Action Model
Die Arbeit stellt Habilis-β vor, ein schnelles und langlebiges On-Device Vision-Language-Action-Modell, das durch ein neues Bewertungsframework (PRP) sowie Techniken wie sprachloses Pre-Training und rectified-flow Distillation signifikante Verbesserungen bei der Aufgabenleistung und Robustheit in kontinuierlichen Einsätzen im Vergleich zu bestehenden Modellen wie π₀.₅ erzielt.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie trainieren einen Roboter, der in einer Fabrik arbeiten soll. Bisher waren diese Roboter wie vorsichtige, aber langsame Studenten: Sie haben für jede Aufgabe nur eine einzige Übung gemacht, waren perfekt vorbereitet und haben dann langsam und sicher gehandelt. Wenn sie aber den ganzen Tag arbeiten mussten, wurden sie müde, machten kleine Fehler und brauchten ständig Hilfe von einem Menschen, um weiterzumachen.
Das neue Papier von Tommoro Robotics stellt Habilis-β vor. Man kann sich Habilis-β wie einen erfahrenen, schnellen und ausdauernden Handwerker vorstellen, der nicht nur auf Anweisungen wartet, sondern auch aus Erfahrung weiß, wie man sich bewegt.
Hier ist die Erklärung in einfachen Worten, unterteilt in die drei großen Verbesserungen:
1. Das Problem: Warum die alten Roboter nicht gut genug waren
- Zu langsam: Die alten Roboter haben sich wie in Zeitlupe bewegt. Selbst wenn sie einfach nur durch die Luft fahren mussten (ohne etwas zu berühren), waren sie extrem vorsichtig. Das kostet Zeit.
- Zu kurzlebig: Wenn sie eine Aufgabe 100-mal hintereinander machen mussten, sammelten sich kleine Fehler an. Irgendwann klemmte etwas, und der Roboter brauchte einen menschlichen "Notfall-Manager", um ihn neu zu starten.
- Falsche Prüfung: Wir haben die Roboter bisher nur geprüft, indem wir ihnen eine Aufgabe gaben und schauten, ob sie sie einmal schaffen. Aber in der echten Welt zählt nicht, ob sie es einmal schaffen, sondern ob sie es stundenlang schaffen können, ohne Hilfe.
2. Die Lösung: Habilis-β (Der "Super-Handwerker")
Habilis-β löst diese Probleme mit drei cleveren Tricks:
A. Das "Spiel-Training" (Robustheit durch Erfahrung)
Stellen Sie sich vor, ein Kind lernt, einen Ball zu fangen.
- Der alte Weg: Das Kind übt nur den perfekten Wurf, den der Trainer zeigt.
- Der Habilis-β Weg: Das Kind darf erst einmal spielen. Es wirft den Ball wild umher, fängt ihn, lässt ihn fallen, fängt ihn wieder, ohne dass jemand sagt "Jetzt musst du den Ball genau hier ablegen".
- Der Effekt: Durch dieses "Spiel" (Daten ohne genaue Aufgaben) lernt der Roboter, wie sich Dinge physikalisch verhalten. Wenn er später in der Fabrik mal etwas fallen lässt, weiß er instinktiv, wie er es wieder aufheben kann, ohne dass er neu programmiert werden muss. Er wird ausdauernd.
B. Der "Turbo-Modus" für leere Wege (Geschwindigkeit)
Stellen Sie sich vor, Sie müssen von der Küche zum Wohnzimmer gehen, um ein Glas Wasser zu holen.
- Der alte Weg: Sie gehen jeden Schritt ganz langsam und vorsichtig, auch wenn keine Möbel im Weg sind.
- Der Habilis-β Weg: Der Roboter nutzt eine Technik namens ESPADA. Er erkennt: "Aha, hier ist der Weg frei, ich kann schnell rennen!" Aber sobald er das Glas in der Hand hat und es auf den Tisch stellen muss, schaltet er automatisch auf "Super-Vorsicht" um.
- Der Effekt: Er ist auf den langen, leeren Strecken extrem schnell, aber bei der feinen Arbeit genauso präzise wie früher. Das nennt man schnelle Bewegung.
C. Der "Gehirn-Download" (Auf dem Gerät laufen)
Früher musste der Roboter oft Daten in die Cloud schicken, damit ein großer Server dort denkt und ihm sagt, was zu tun ist. Das dauert und ist unzuverlässig.
- Der Habilis-β Weg: Der Roboter hat sein ganzes "Gehirn" (das Modell) direkt auf einem kleinen Computer in seinem eigenen Körper (dem Edge-Gerät).
- Der Effekt: Er denkt in Millisekunden. Er kann sofort reagieren, wenn sich etwas bewegt. Er ist autonom und schnell.
3. Die neue Prüfung: Der "Produktivitäts-Verlässlichkeits-Plan"
Die Autoren sagen: "Vergessen wir die Note 'Bestanden/Nicht Bestanden' für eine einzelne Aufgabe."
Stattdessen schauen sie auf zwei Dinge:
- Wie viele Aufgaben schafft er pro Stunde? (Produktivität)
- Wie lange läuft er durch, bevor ein Mensch eingreifen muss? (Verlässlichkeit)
In Tests hat Habilis-β gezeigt, dass er im Vergleich zu den besten bisherigen Robotern (wie π0.5):
- In der Simulation fast 5-mal so viele Aufgaben pro Stunde schafft.
- In der echten Welt (mit einem humanoiden Roboter) fast 7-mal so viele Aufgaben schafft.
- Viel länger durchhält, bevor er Hilfe braucht.
Zusammenfassung in einer Metapher
Stellen Sie sich einen Marathonläufer vor:
- Die alten Roboter waren wie Läufer, die nur den Start übten. Sie starteten perfekt, aber nach 100 Metern waren sie erschöpft oder brauchten einen Trainer, um weiterzulaufen.
- Habilis-β ist wie ein Profi-Athlet. Er hat vorher im Wald "gespielt" (trainiert), kennt sein Tempo, weiß, wann er sprinten kann und wann er vorsichtig sein muss, und er läuft den ganzen Marathon durch, ohne dass jemand ihm Wasser reicht oder ihn anstößt.
Kurz gesagt: Habilis-β ist der erste Roboter, der wirklich produktiv und zuverlässig genug ist, um in einer echten Fabrik den ganzen Tag zu arbeiten, ohne dass wir uns ständig um ihn kümmern müssen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.