de.wedoany.com-Bericht: Yuanli Lingji hat das verkörperte Weltmodell DW0.5 veröffentlicht und es in das weltmodellgesteuerte verkörperte Intelligenz-Nachtraining-Framework DFOL2.0 integriert. Dieses Basismodell unterstützt multimodale Eingaben, einschließlich Aufgabenanweisungen, Bildern und Videos, und kann basierend auf historischen Aktionen nachfolgende Videozustände vorhersagen.
Verkörperte Intelligenz als physische KI zielt darauf ab, die Leistung von Robotern unter verschiedenen Umgebungen und Fehlerbedingungen kontinuierlich zu verbessern. Das Nachtraining-Schwungrad ließ sich jedoch lange Zeit nur schwer in Gang setzen. Ein einziger Test mit einem echten Roboter erfordert den Einsatz des Roboters, des Testgeländes und von Personal; ein Fehlschlag kann zum Abbruch der Aufgabe führen. Menschliches Feedback kommt der Realität nahe, ist aber schwer in hoher Frequenz umsetzbar. Traditionelle Simulationen sind kostengünstig, können aber Unsicherheiten wie Kontakt, Verdeckung und Verformung in der Realität nur schwer nachbilden.
DW0.5 wurde mit Zehntausenden von Stunden echter, multiview-Daten gemeinsam vortrainiert und verfügt über eine starke Simulationsfähigkeit. Es kann Videos von normalen Roboterarmoperationen sowie Szenarien von Aufgabenfehlschlägen basierend auf fehlerhaften Aktionen generieren, um das Online-Verstärkungslernen im DFOL2.0-Framework zu unterstützen. Als hochpräziser Simulator verlagert DW0.5 das Verstärkungslernen in eine virtuelle Umgebung: Der VLA gibt zunächst Kandidatenaktionen vor, DW0.5 simuliert die Zukunft und bewertet Erfolgs-, Fehlschlags- und Abweichungsrisiken, bevor das Feedback an das Verstärkungslernen zurückgespielt wird. Nach veröffentlichten Daten reduziert dieser Prozess den Bedarf an echten Maschinendaten im Nachtraining um 60 % und die gesamten Trainingskosten um 40 %.
DW0.5 rekonstruiert die Simulationslogik durch drei Hauptexpertenmodule. Das Video Expert und das Action Expert arbeiten gemeinsam an der Vorhersage von Aktionsfolgen. Dabei behandelt das Action Expert Aktionen als strukturelle starke Prioren, erzwingt durch Frame-Level-Abgleich eine feste Kopplung von Aktionen und Videogenerierung und verwendet MoT-Aufmerksamkeit sowie group-diagonal attention masks, um die Übereinstimmung von Aktionssequenzen und Videosequenzen sicherzustellen. Das Value Expert ist für die Bewertung und die Konstruktion von Feedback zuständig und wandelt die generierte Zukunft in dichte Wertesignale um, einschließlich der Bewertung der Erfolgswahrscheinlichkeit für den aktuellen Zustand, Kandidatentrajektorien oder den gesamten Test. Seine Value-Order-Korrelation liegt bei über 95 %.
DW0.5 wird ausdrücklich angewiesen, Fehlschlag-Trajektorien zu generieren, um Verzerrungen durch reines Training mit Erfolgsdaten zu vermeiden. Seine Datenstrategie umfasst vier Datenquellen: öffentliche verkörperte Daten und selbst gesammelte Roboterdaten, Internet-Videodaten, menschliche Aktivitätsdaten aus der Ich-Perspektive sowie echte Maschinen- und Simulations-Testdaten, die Zwischenzustände wie Abweichung, Stillstand und Erholung abdecken.
Auf der Anwendungsebene spielt DW0.5 drei Rollen im Training und Einsatz von VLA: Offline-Datenaugmentierung und Präferenzkonstruktion, RL-Nachtraining-Umgebung sowie Planung und Sicherheitsbewertung während des Einsatzes. Dank dieser Fähigkeiten zeichnet sich das Modell durch die Befolgung komplexer Anweisungen und mehrstufiger Aktionen, mehrdimensionale kontinuierliche Generalisierung über Umgebungen, Aufgaben und Konfigurationen hinweg, Konsistenz der multiview-Videogenerierung und hohe Übereinstimmung zwischen Aktionen und Videogenerierung aus.
Im Gesamtablauf generiert das Basismodell DM0.5 eine Reihe von Anfangsaktionen, DW0.5 erzeugt in der virtuellen Umgebung in großem Umfang Erfolgs- und Fehlschlag-Trajektorien, und der Verstärkungslern-Coach CFG-RL bewertet jede Trajektorie. Nach der Rückmeldung der Belohnung werden die Modellgewichte aktualisiert. Die meisten Daten in diesem Kreislauf werden online von DW0.5 generiert, wodurch die kostspielige Abhängigkeit von echten Maschinen reduziert wird.
Bei anspruchsvollen Aufgaben wie Luftballonaufblasen, Wäscheaufhängen und Kartonsfalten zeigte das in DFOL2.0 integrierte Modell im Vergleich zur reinen SFT-Baseline eine deutliche Verbesserung der Erfolgsrate bei kritischen Schritten. Bei der Luftballonaufgabe stieg die Erfolgsrate beim Aufblasen des Ballons von 10 % auf 90 % und beim Einführen der Pumpe in den Ballon von 10 % auf 100 %. Bei der Wäscheaufgabe verdoppelte sich die Erfolgsrate beim erfolgreichen Aufhängen auf einen Bügel von 50 % auf 100 %, und das Einführen des Bügels in das Kleidungsstück stieg von 60 % auf 90 %. Bei der Kartonfaltaufgabe stiegen die Erfolgsraten für das Falten der rechten und linken Seite des Kartons von 35 % auf 55 % bzw. 50 %.
In Benchmarks wie EWMBench und WorldArena erreichte DW0.5 mit Punktzahlen von 4,73 bzw. 73,54 den weltweiten SOTA-Status (Stand: 9. Juli).
Yuanli Lingji gab an, dass DW0.5 intern den verkörperten Nachtraining-Kreislauf DFOL2.0 erfolgreich durchlaufen hat und nun Aufgaben wie Datengenerierung, Wertbewertung und Strategieiteration übernimmt. Es wurde bereits in die DexDev MaaS-Plattform integriert. Modelle mit unzureichender Zero-Shot-Generaliserungsfähigkeit können durch Nachtraining verbessert und wieder in den Dienst gestellt werden. Wang Tiancai, Mitbegründer von Yuanli Lingji, betonte, dass das Weltmodell derzeit noch eine Kalibrierung mit echten Maschinen benötigt und echte Daten einen unersetzlichen Wert haben. Er erwähnte, dass mit der Verbesserung der visuellen Modellfähigkeiten das Personal vor Ort mit Hilfe von Ego-Kameras Betriebsdaten erfassen kann, was die Hürde für das Nachtraining vor Ort senkt.
