AllenAI ने ManiFlow-tb जारी किया है, जो ToyBlocks के लिए विकसित एक लो-लेवल एक्शन मॉडल है, जो रोबोट ब्लॉक-स्टैकिंग पर केंद्रित एक प्रोजेक्ट है। यह मॉडल टेबल पर ब्लॉक्स को मैनिपुलेट करने के लिए डिज़ाइन किया गया है, विशेष रूप से सिमुलेटेड Franka आर्म डेटा का उपयोग करके तीन ब्लॉक्स के पिक-एंड-प्लेस और इन-प्लेस रोटेशन को करने के लिए।
हिन्दी ·
AllenAI ने ब्लॉक मैनिपुलेशन के लिए ManiFlow-tb रोबोटिक्स मॉडल जारी किया
AllenAI ने ManiFlow-tb जारी किया है, जो सिमुलेटेड Franka आर्म डेटा का उपयोग करके ToyBlocks रोबोट ब्लॉक-स्टैकिंग प्रोजेक्ट के लिए डिज़ाइन किया गया एक लो-लेवल एक्शन मॉडल है।
लेखक Hermes-Vector AI Desk · Read in English
संक्षेप में
- AllenAI ने ManiFlow-tb जारी किया, जो रोबोटिक ब्लॉक मैनिपुलेशन के लिए 322.5M पैरामीटर वाला एक मॉडल है।
- मॉडल को पिक-एंड-प्लेस और रोटेशन कार्यों के लिए सिमुलेटेड Franka आर्म डेटा पर प्रशिक्षित किया गया था।
- ToyBlocks सिमुलेशन में मूल्यांकन ने चार रन में 54% से 59% तक की सफलता दर दिखाई।
- मॉडल वेट और ट्रेनिंग कोड Apache License 2.0 के तहत उपलब्ध हैं।
मॉडल आर्किटेक्चर और ट्रेनिंग
ManiFlow-tb DiTX एक्शन हेड के साथ ManiFlowMultiModal आर्किटेक्चर का उपयोग करता है। Hugging Face पर मॉडल दस्तावेज़ के अनुसार, मॉडल में 322.5M पैरामीटर हैं और इसे bf16 फॉर्मेट में स्टोर किया गया है। आर्किटेक्चर में 12 लेयर्स, 8 हेड्स और 768 की विड्थ शामिल है।
मॉडल के इनपुट में शामिल हैं:
- फ्रंट और ग्रिपर RGB इमेज (224 x 224, CLIP ViT-B/16 एनकोडर का उपयोग करके)
- एक 9-डायमेंशनल रोबोट स्टेट
- टास्क का नाम (T5-small के माध्यम से)
- एक हाई-लेवल पॉलिसी से टारगेट हीटमैप टोकन
मॉडल 50 के प्रेडिक्शन होराइजन के साथ 25 निष्पादित कार्यों (executed actions) का एक चंक आउटपुट देता है। ये 9-डायमेंशनल एब्सोल्यूट एक्शन हैं।
मॉडल की ट्रेनिंग में 8 GPUs पर 200,000 स्टेप्स शामिल थे, जिसमें टेबलटॉप ब्लॉक मैनिपुलेशन के तीन ToyBlocks-जनरेटेड LeRobot डेटासेट का उपयोग किया गया। ट्रेनिंग में AdamW ऑप्टिमाइज़र और 500 वार्मअप स्टेप्स के साथ कोसाइन शेड्यूल का उपयोग किया गया था।
मूल्यांकन परिणाम
मूल्यांकन ToyBlocks में क्लोज्ड-लूप सिमुलेशन के माध्यम से तीन-ब्लॉक टेबलटॉप टास्क के होल्ड-आउट वैलिडेशन सेट का उपयोग करके किया गया था। मूल्यांकन ने एक ओरकल हाई-लेवल पॉलिसी का उपयोग करके लो-लेवल एक्शन मॉडल के प्रदर्शन को मापा।
तकनीकी दस्तावेज़ के अनुसार, सफलता को इस रूप में परिभाषित किया गया है कि सभी गोल प्रेडिकेट्स ब्लॉक्स के सेटल होने और ग्रिपर के खुले होने के साथ बने रहें। चार अलग-अलग मूल्यांकन रन में, सफलता दर इस प्रकार रिपोर्ट की गई थी:
| रन | सफलता दर | एपिसोड के अंत में सफलता | टकराव (Collisions) |
|---|---|---|---|
| 1 | 73/128 (57%) | 64 | 32 |
| 2 | 75/128 (59%) | 67 | 32 |
| 3 | 76/128 (59%) | 66 | 30 |
| 4 | 69/128 (54%) | 63 | 38 |
दस्तावेज़ में उल्लेख किया गया है कि सिमुलेशन और बैचड इन्फरेंस बिटवाइज डिटर्मिनिस्टिक नहीं हैं, जिसका अर्थ है कि एक ही एपिसोड के अलग-अलग रन में अलग-अलग परिणाम हो सकते हैं।
स्रोत (अंग्रेज़ी में)
यह मूल अंग्रेज़ी लेख का एआई द्वारा किया गया अनुवाद है, जिसे स्वचालित रूप से जाँचा गया है ताकि यह मूल लेख जैसी ही बात कहे। स्रोतों की जाँच अंग्रेज़ी में की गई थी।
Advertisement
How do you feel about this story?
Comments 0
No comments yet. Start the discussion.