Jiemian Newsによると、CITIC建設投資の10月9日の調査報告書は、世界のAI分野が急速に進歩しており、さまざまなメーカーが努力を続けていると指摘した：マイクロソフトはGPT-4Vをリリースし、その有効性に焦点を当てた技術レポートを発表さまざまなタスクを実行する際の GPT-4V の機能を活用し、最終的に GPT-4V には任意のマルチモーダル入力を処理する前例のない機能があり、さまざまなシナリオで大きな応用の可能性があると考えられ、Meta は LLaMAv2 に基づくマルチモーダル大規模モデル AnyMAL を立ち上げました。画像、音声、テキストなどのモダリティの統合を実現しつつ、マルチモーダルモデルの効果を新たなレベルに引き上げるべく、Googleが世界最大級の汎用大型モデル「RT-X」をリリースし、学習データセットを公開オープン X 実施形態: ロボット モデルの分野は、ImageNet の瞬間を到来させるかもしれません。 AI 大型モデル技術の開発と投資の機会、特にマルチモーダル モデルとロボット モデルによってもたらされる機会に引き続き注意を払うことをお勧めします。

Jiemian News によると、CITIC Construction Investment の 10 月 9 日の調査報告書は、世界の AI 分野が急速に進歩しており、さまざまなメーカーが努力を続けていると指摘し、マイクロソフトは GPT-4 V をリリースし、大きな注目を集めました。 GPT-4 4 V がさまざまなタスクを実行することに焦点を当てた技術レポートをリリースし、最終的に GPT-4 V は任意のマルチモーダル入力を処理する前例のない機能を備え、さまざまなシナリオで大きな応用可能性があると考えています。Meta はマルチモーダル サービスを開始しました。 LLaMAv2 ベースの大規模モデル AnyMAL を実現、画像、音声、テキスト、その他のモダリティを統合し、同時にマルチモーダル モデルの効果を新たなレベルに引き上げ、Google が世界最大規模の汎用モデル RT-X をリリース-目的の大規模モデルを作成し、トレーニング データ セットを開く Open X-Embodiment. ロボット モデルの分野は、ImageNet への到来を歓迎するかもしれません。 AI 大型モデル技術の開発と投資の機会、特にマルチモーダル モデルとロボット モデルによってもたらされる機会に引き続き注意を払うことをお勧めします。

10 月 7 日の MarkTechPost のレポートによると、Google DeepMind は、新しい機械学習の進歩に役立つ 100 万以上の軌跡を含むロボット データ セットと一般人工知能モデル (RT-X) を含む Open X-Embodiment リソース ライブラリをリリースしました。スキル、方法。

10月7日のWebmaster Homeのレポートによると、Google DeepMindは最近、他の33の研究機関と協力して、さまざまなタイプの物理ロボットと連携してさまざまなタスクを実行できる汎用AIシステムの作成を目的とした新しいプロジェクトを立ち上げたという。タスク。彼らが提案した Open-X 実施プロジェクトは、複数のタスク間でスキルを伝達できる複数のロボット タイプとモデルのデータ セットを組み合わせ、従来の方法よりも優れたトレーニング結果を達成します。研究者らは、Transformer 深層学習アーキテクチャに基づいて RT-1-X および RT-2-X モデルを開発しました。これらのモデルは、さまざまなタスクで優れたパフォーマンスを発揮し、ロボット工学分野の研究にとって非常に重要です。

AIGC オープンコミュニティのレポートによると、Google 傘下の有名な AI 研究機関である DeepMind は 10 月 4 日、世界最大の汎用大型モデルの 1 つである RT-X を公式 Web サイトで公開し、学習データセット Open Xの実施形態。 RT-Xは制御モデルRT-1-Xと視覚モデルRT-2-Xで構成されており、特定の作業（物を運ぶ、窓を開けるなど）における作業効率が同型の3倍と報告されています。ロボットのようなものであり、訓練されていないタスクを実行することもできます。 Open X-Embodiment トレーニング データ セットは、世界中の 33 のトップ学術研究機関と協力して、22 種類の異なるロボットからのデータを統合して開発されました。簡単に言うと、Google は世界で最も包括的なロボット トレーニング データセットを統合し、ユニバーサル ロボット モデルをトレーニングしました。上海交通大学もこのプロジェクトに参加し、技術研究に重要な貢献をしたことは特筆に値する。

8月21日のJiemian Newsによると、Chuangda氏は最近の投資家調査で、ロボットは同社の大規模モデルの中核的な方向性であり、Google RT-2は汎用ロボットオペレーティングシステムのプロトタイプを形成しており、ソフトウェアデファインドであると述べた。ロボットが起きている。

8月15日の「科学技術革新委員会日報」によると、華泰証券は調査報告書の中で、RT-2やVoxposerなどの大型モデルが予想を超えて発展し、具現化されたインテリジェンスが夜明けを迎えたと指摘した。大型モデルを備えたロボットは 2 つの側面で画期的な進歩を遂げました: 1 つは、自然言語の命令を理解し、複雑なプログラミング言語を使用せずに人間とコンピューターの対話を完了できること、もう 1 つは、トレーニングなしで複雑な命令を完了し、創発的な能力を生成できることです。汎化能力が強化されました。 RT-2/Voxposer は、意思決定の結果をモーション コントロールにマッピングする方法も変更し、複雑な変換を行わずに高レベルの設計を低レベルのアクションにマッピングできるようにします。ロボットが大型モデルを「抱き締める」と、具現化された知性が夜明けを迎えます。

Financial Associated Press の 8 月 2 日の報道によると、Google DeepMind は最近、新しい視覚言語アクション (VLA) モデルである Robotic Transformer 2 (RT-2) をリリースしました。国勝証券の最新の調査レポートによると、RT-2は「ViT + GPTのような+機械」ロボットソリューションをさらに検証し、マルチモーダルGPTはロボットソフトウェア技術の進歩に役立ち、ロボットの進歩を加速します。ロボット産業。同庁は、GPTの開発により、今年下半期から1～5年以内に、AI汎用化能力、汎用ビジョン、汎用マニピュレーター、汎用物流ハンドリングロボット、産業用サービスロボット、および実際のスマートホームの向上がもたらされると予測している。人生に入ります。 5 ～ 10 年以内に、複雑なマルチモーダル ソリューションと組み合わせた大規模モデルは、世界と対話する完全な機能を備え、一般的なロボット工学、仮想現実、その他の分野に適用されることが期待されています。