モダンなAIモデル通常、次のような既存のデータに基づいてトレーニングされます。文章、画像、 そしてビデオ、漸進的な学習アルゴリズムの組み合わせを通じて開発されます。しかし、この基盤は、AI によって生成された最終製品と AI が模倣しようとしている物理的現実との間に不一致を引き起こす可能性もあります。
その課題を乗り越えようとして、共変、OpenAIスピンオフでは、既存のオンライン データや物理世界で展開される状況の観察を通じて学習するロボティクス ファウンデーション モデル (RFM-1) を作成しました。コバリアントはプレスリリースで、このモデルは「ロボットに人間のような推論能力を与え、これは初めてのことである」と主張している。生成AI商用ロボットに言語と物理世界をより深く理解させることに成功しました。」
ここで、「人間のような推論能力」とは、モデルの周囲の IRL から収集された情報に基づいて結果を予測する RFM-1 の能力を意味します。たとえば、ロボットにタスクが与えられると、モデルはそのタスクが完了するとどのようになるかを示すビジュアルを生成します。この予測は、ロボットがパフォーマンス上の障害に遭遇するかどうかを判断するのに役立ち、ロボットはプロンプターに解決策を尋ねることができます。簡単な言語を使用して、ロボットに指示を与える人は、入力された会話を通じてタスクを完了するのに役立つ解決策を提供できます。
これまでのところ、RFM-1 は実験室環境でのみ使用されていますが、Covariant は間もなく産業顧客向けにリリースする予定です。AIを仕事に活用する、生産および流通施設など。