Habilis-: A Fast-Motion and Long-Lasting On-Device Vision-Language-Action Model
Dit paper introduceert Habilis-β, een snelle en duurzame on-device vision-language-action-model dat, dankzij een nieuwe evaluatiemethode (PRP) en geavanceerde trainings- en inferencetechnieken, aanzienlijk betere prestaties levert dan bestaande modellen in zowel simulatie als real-world menselijke logistieke workflows.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een robot wilt bouwen die niet alleen slim is, maar ook snel, duurzaam en onafhankelijk werkt. Dat is precies wat het team van Tommoro Robotics heeft gedaan met hun nieuwe robotbrein, genaamd Habilis-β.
Hier is een uitleg in gewone taal, met een paar leuke vergelijkingen om het begrijpelijk te maken.
1. Het Probleem: De "Voorzichtige" Robot
Tot nu toe waren robot-robots vaak als een voorzichtige grootmoeder die voor het eerst autorijdt. Ze doen alles langzaam, kijken constant uit voor elk klein obstakel en stoppen vaak als ze even vastlopen.
- Snelheid: Ze zijn te traag. Als er ruimte is om snel te bewegen, doen ze het toch langzaam.
- Duurzaamheid: Als ze een keer een foutje maken, raken ze in paniek en hebben ze een mens nodig om ze te "resetten". Ze kunnen niet lang zelfstandig doorgaan.
- Afhankelijkheid: Ze hebben vaak een supercomputer in de cloud nodig om te denken, wat vertraging veroorzaakt.
2. De Oplossing: Habilis-β
Habilis-β is als een ervaren, snelle vrachtwagenchauffeur die al duizenden kilometers heeft gereden. Hij weet precies wanneer hij kan racen en wanneer hij moet remmen, en hij kan urenlang doorgaan zonder hulp.
Hoe hebben ze dit gedaan? Ze hebben de robot in drie stappen getraind:
Stap 1: Het "Spelen" (De Basis)
In plaats van alleen te leren hoe je een taak perfect doet (zoals een kopje koffie zetten), hebben ze de robot eerst laten "spelen".
- De Analogie: Stel je voor dat je een kind leert fietsen. Eerst laat je het kind gewoon rondfietsen in de tuin, vallen, opstaan en balanceren, zonder dat er een specifieke bestemming is.
- Het Effect: De robot leert hierdoor een natuurlijk gevoel voor fysica. Hij weet hoe objecten bewegen en hoe hij zichzelf kan redden als hij even vastzit. Dit noemen ze "Play Data".
Stap 2: De "Herhaling" (De Routine)
Vervolgens hebben ze de robot laten oefenen met dezelfde taak, maar dan oneindig vaak achter elkaar.
- De Analogie: Normaal trainen robots alsof ze elke dag een nieuwe baan krijgen. Habilis-β traint alsof hij elke dag dezelfde 1000 bussen moet laden.
- Het Effect: De robot leert omgaan met kleine foutjes die zich opstapelen. Als de dozen net iets anders liggen dan gisteren, weet hij hoe hij dat moet compenseren zonder te stoppen. Hij wordt "langdurig" (Long-Lasting).
Stap 3: De "Versnelling" (De Snelheid)
Hier komt de magie van ESPADA (een slimme techniek).
- De Analogie: Stel je voor dat je een video van iemand die loopt. Als ze door een leeg veld lopen, kun je die stukken versnellen (zoals een tijdversnelling in een film). Maar zodra ze een steen moeten stappen of een deur openen, moet je de video weer normaal laten lopen.
- Het Effect: De robot versnelt zijn bewegingen als er niets te grijpen is (vrij ruimte), maar wordt supersnel en precies als hij iets vastpakt. Dit maakt hem veel sneller zonder dat hij dingen laat vallen.
3. De Nieuwe Meetlat: Productiviteit vs. Betrouwbaarheid
De auteurs zeggen: "De oude manier om robots te testen (één keer proberen en kijken of het lukt) is niet goed genoeg voor de echte wereld."
Ze introduceren een nieuwe manier van testen, de Productiviteit-Betrouwbaarheid Vlak:
- Productiviteit (TPH): Hoeveel taken kan de robot per uur doen?
- Betrouwbaarheid (MTBI): Hoe lang kan de robot werken voordat een mens moet ingrijpen?
Het resultaat:
Habilis-β is een krachtpatser.
- In een simulatie deed hij 572 taken per uur (de concurrent deed er maar 120).
- In de echte wereld (met een mensachtige robot) deed hij 124 taken per uur en kon hij 2,3 keer langer werken zonder hulp dan de concurrenten.
4. Waarom is dit belangrijk?
- On-Device: De robot denkt lokaal (op zijn eigen chip), net als een smartphone. Geen internet nodig, dus geen vertraging.
- De "Regelaar" (CFG): De robot heeft een knop die je kunt draaien. Wil je dat hij super voorzichtig is? Draai de knop. Wil je dat hij sneller, maar iets riskanter is? Draai de knop anders. Dit maakt de robot aanpasbaar aan elke situatie.
Samenvatting
Habilis-β is de eerste robot die niet alleen "slim" is, maar ook efficiënt en standvastig.
- Hij leert door te spelen (basis).
- Hij leert door te herhalen (duurzaamheid).
- Hij leert om snel te zijn waar het kan (snelheid).
Het is alsof je een stagiair hebt die eerst urenlang heeft geoefend, daarna een hele dag heeft gewerkt aan één taak, en nu eindelijk klaar is om de hele fabriek te runnen zonder dat je hem hoeft te helpen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.