DAXIAORobotics/kairos

해결하는 문제

Kairos는 현재 신체적 AI 월드 모델의 한계, 특히 비디오 생성과 실행 가능한 로봇 동작 사이의 격차를 해결합니다. 다양한 신체적 데이터와 약한 장기적 추론 문제를 해결하여, 단일 모델이 물리 법칙을 이해하고 타당한 미래 시각 상태를 생성하며, 다양한 하드웨어 플랫폼 간 정밀한 로봇 동작 궤적을 예측할 수 있도록 합니다.

작동 방식

Kairos는 Mixture-of-Transformers 프레임워크 기반의 4B 파라미터 네이티브 크로스에임보디먼트 월드 모델입니다. 일반 영상, 인간 행동, 실제 로봇 상호작용에서 학습하기 위해 크로스에임보디먼트 데이터 커리큘럼(CEDC)을 활용합니다. 장기적 모델링을 효율적으로 처리하기 위해 슬라이딩 윈도우, 확장 슬라이딩 윈도우, 게이트드 선형 어텐션을 결합한 하이브리드 선형 시간 메모리를 사용하여 지속적인 세계 상태를 유지합니다. 이를 통해 미래 시각 프레임과 실행 가능한 동작을 동시에 예측할 수 있습니다.

대상 사용자

이 프로젝트는 Agibot G1, Unitree G1, Songling PIPER와 같은 다양한 로봇 플랫폼에서 제로샷 다중 작업 일반화가 가능한 기초 모델이 필요한 신체적 AI 및 로봇 분야의 연구자와 개발자에게 적합합니다.

주요 특징

• 통합 아키텍처: 이해, 생성, 동작 예측을 하나의 지능 루프에 통합합니다.
• 크로스에임보디먼트 일반화: 단일 '뇌'가 단일 암, 이중 암, 정교한 손 플랫폼에서 모두 작동합니다.
• 효율적인 배포: 낮은 메모리 사용과 높은 처리량으로 실시간 엣지 추론에 최적화되어 있습니다.
• 물리적 인과 일관성: 인과 체인 오브 쓰로우팅(CoT)을 사용하여 단순한 명령 실행에서 의도 이해로 전환합니다.