de.wedoany.com-Bericht: Das Fibocom AI Research Institute hat bedeutende Fortschritte im Bereich der verkörperten Intelligenz erzielt. Das selbst entwickelte FiboVLA-Framework und die Optimierungstechnologie für die Endpunkt-Inferenz ermöglichen eine durchschnittliche 2,6-fache Beschleunigung der Inferenzgeschwindigkeit mehrerer gängiger VLA-Modelle. Zudem wurde die Bereitstellung von GR00T N1.5 auf einer leistungsstarken Edge-Computing-Hauptsteuerplattform abgeschlossen. Die entsprechenden Ergebnisse wurden anhand des LIBERO-Simulationsbenchmark-Datensatzes und einer realen Tisch-Doppelarm-Roboterumgebung validiert und bieten technische Unterstützung für den effizienten Betrieb verkörperter Intelligenzmodelle auf der Roboterseite.
VLA (Vision-Language-Action Model) ist eine Schlüsseltechnologie in der verkörperten Intelligenz. Es integriert visuelle Eingaben, Sprachbefehle und Aktionsgenerierung, sodass Roboter basierend auf Umgebungs- und Aufgabenanweisungen Aktionen ausführen können. Mit der explosionsartigen Zunahme der Parameteranzahl von VLA-Modellen stehen Roboter bei der Echtzeit-Inferenz auf der Endseite vor Engpässen. Die Inferenzgeschwindigkeit beeinflusst direkt die Aktionsreaktion, Aufgabenverknüpfung und Betriebsflüssigkeit des Roboters. Darüber hinaus unterliegen Roboter mehreren Einschränkungen wie Rechenleistung, Stromverbrauch, Wärmeableitung und Systemressourcen. Wie komplexe VLA-Modelle stabil und effizient auf leistungsstarken Endpunkt-Hauptsteuerungen betrieben werden können, ist zu einer zentralen Herausforderung bei der Umsetzung verkörperter Intelligenz geworden.
Um das Problem der hohen Inferenzlast von VLA-Modellen auf der Endseite zu lösen, verwendet das Fibocom AI Research Institute das selbst entwickelte FiboVLA-Komprimierungsframework, das Token-Optimierungen auf der semantischen Ebene des Modells durchführt. Während des VLA-Inferenzprozesses gibt es eine große Anzahl redundanter Darstellungen in visuellen und sprachlichen Informationen. FiboVLA eliminiert durch eine fein abgestimmte Auswahl und Komprimierung visueller Tokens Informationen mit geringem Wert und behält Schlüsselinhalte bei, die stark mit Aufgabenverständnis, Umgebungsbewertung und Aktionsgenerierung zusammenhängen. Dieses Framework reduziert unnötige Berechnungen während des Inferenzprozesses und senkt die Rechenlast erheblich, während die Entscheidungsgenauigkeit des Modells, die Fähigkeit zum modalübergreifenden Verständnis und die Fähigkeit zur Aktionsgenerierung erhalten bleiben. Gleichzeitig verbessert das Team durch die Kombination von Inferenzkettenplanung und Optimierung der Endpunkt-Inferenz-Engine die Betriebseffizienz des Modells auf der Roboterseite weiter. Es wurde bestätigt, dass dieses Framework nicht von einer bestimmten Modellarchitektur abhängt und seine Wirksamkeit bereits an mehreren gängigen VLA-Modellen validiert wurde. Der Inferenzdurchsatz wurde um das 2,6-fache gesteigert und die Ende-zu-Ende-Latenz wurde effektiv reduziert.
Basierend auf dem FiboVLA-Framework und der Optimierungstechnologie für die Endpunkt-Inferenz hat das Fibocom AI Research Institute GR00T N1.5 erfolgreich auf einer leistungsstarken Edge-Computing-Hauptsteuerplattform bereitgestellt und die Betriebsvalidierung abgeschlossen. Im LIBERO-Simulationsbenchmark-Datensatz gewährleistet dieses Framework die Aufgabeneffektivität nach der Inferenzbeschleunigung; in einer realen physischen Umgebung wurde die Validierung des Echtbetriebs von GR00T N1.5 auch in einem Tisch-Doppelarm-Roboterszenario abgeschlossen. Dies bedeutet, dass Roboter auf der Endseite schneller Wahrnehmung, Entscheidungsfindung und Aktionsgenerierung durchführen können, wodurch ein latenzarmer, kontinuierlicher Inferenzkreislauf entsteht. Dies ist nicht nur eine Steigerung der Modellgeschwindigkeit, sondern auch eine technische Validierung auf einer realen Roboterplattform.
Die erfolgreiche Anwendung des FiboVLA-Frameworks hat die Kernkompetenzen des Fibocom AI Research Institute in den Bereichen Endpunkt-KI und verkörperte Intelligenz weiter gefestigt, darunter Modellkomprimierung, Optimierung der Inferenz-Engine, Validierung von Roboterplattformen und Systemkooperationsfähigkeiten. Angesichts des sich beschleunigenden industriellen Trends der verkörperten Intelligenz wird Fibocom weiterhin drahtlose Kommunikation, Edge-Computing-Leistung, KI-Toolchains und die Fibot-Plattform kombinieren, um Robotern und verschiedenen intelligenten Endgeräten eine effizientere und stabilere lokale Intelligenz zu bieten und so eine technische Grundlage für den Einsatz verkörperter Intelligenz in realen Systemen zu schaffen.
