shengshu-ai/Motus2

해결하는 문제

Motus2는 구현 에이전트에서 세계 시뮬레이터와 행동 출력 헤드 간의 통합 부족 문제를 해결합니다. Motus2는 시뮬레이터에 단순히 행동 헤드를 추가하는 대신, 에이전트가 정교한 조작 작업에서 인식, 예측, 행동, 평가, 그리고 자신의 성능을 개선할 수 있는 폐쇄된 의사 결정 및 학습 루프를 구축합니다.

작동 방식

Motus2는 공유 가중치를 가진 단일 모델을 사용하여 세 가지 서로 다른 제어 인터페이스를 제공합니다.

1. 정책(세계-행동 모델): 후보 행동 청크를 제안합니다.
2. 시뮬레이터(행동 조건 세계 모델): 해당 행동의 시각적 결과를 예측합니다.
3. 평가기(가치 모델): 예측된 결과를 평가하여 성공 여부를 판단합니다.

개선을 위해 모델은 대규모 단안 자기중심 데이터에서 동기화된 스테레오 자기중심 데이터로 데이터를 확장한 다음, 로봇 궤적과 인간-로봇 정렬 데이터를 사용하여 로봇 도메인에 적응합니다. 또한 접촉 인식 제어를 위한 촉각 피드백을 통합하고 스테레오 비전과 이중 정교한 손을 갖춘 생체 모방 플랫폼을 사용합니다.

대상 독자

범용 구현 AI, 로봇 정교한 조작, 로봇용 세계 모델을 연구하는 연구자와 개발자를 대상으로 합니다.

주요 특징

• 자기 진화 루프: 지속적인 개선을 위해 정책, 시뮬레이션, 평가를 단일 공유 가중치 모델에 통합합니다.
• 데이터 확장 경로: 인간의 자기중심 비디오 데이터에서 로봇 특정 궤적으로 진행됩니다.
• 다중 모달 센싱: 정밀한 제어를 위해 스테레오 비전과 촉각 피드백을 결합합니다.
• 생체 모방 하드웨어: 이중 팔과 이중 정교한 손을 갖춘 플랫폼용으로 설계되었습니다.