shengshu-ai/Motus2

解決する課題

Motus2 は、具現化エージェントにおける世界シミュレーターとアクション出力ヘッドの統合不足に対処します。Motus2 は、シミュレーターに単にアクションヘッドを追加するのではなく、エージェントが器用な操作タスクにおいて知覚、予測、行動、評価、そして自身のパフォーマンスを改善できる閉じた意思決定・学習ループを構築します。

仕組み

Motus2 は、共有重みを持つ単一モデルを使用し、3 つの異なる制御インターフェースを提供します。

1. ポリシー（世界-アクションモデル）： 候補となるアクションチャンクを提案します。
2. シミュレーター（アクション条件付き世界モデル）： それらのアクションの視覚的な結果を予測します。
3. 評価器（バリューモデル）： 予測された結果を評価し、成功かどうかを判断します。

改善のために、モデルは大規模な単眼エゴセントリックデータから同期ステレオエゴセントリックデータへとデータをスケールし、その後、ロボット軌道と人間-ロボットアライメントデータを使用してロボット領域に適応します。また、接触を意識した制御のための触覚フィードバックを組み込み、ステレオビジョンと二つの器用な手を備えた生体模倣プラットフォームを使用します。

対象読者

汎用の具現化 AI、ロボットの器用な操作、ロボット用の世界モデルに取り組む研究者や開発者向けです。

ハイライト

• 自己進化ループ： 継続的な改善のために、ポリシー、シミュレーション、評価を単一の共有重みモデルに統合します。
• データスケーリングパス： 人間のエゴセントリックビデオデータからロボット固有の軌道へと進みます。
• マルチモーダルセンシング： 正確な制御のためにステレオビジョンと触覚フィードバックを組み合わせます。
• 生体模倣ハードウェア： 二つの腕と二つの器用な手を備えたプラットフォーム向けに設計されています。