OpenWAM একটি খোলা বিশ্ব-কর্ম মডেলিং ফ্রেমওয়ার্ক যা একটি সাধারণ কারণীয় রোবট-ভিডিও ভিত্তি প্রদান করে ভবিষ্যদ্বাণী এবং নিয়ন্ত্রণে ডিজাইন পছন্দের তুলনা করতে সক্ষম করে। এটি Wan2.2-5B থেকে তৈরি করা হয়েছে, এটি 10,000 ঘন্টা से अधिक ভিডিও (3.34 মিলিয়ন ট্র্যাজেক্টরি) पर因果 पूर्व-প্রশিক্ষণ করে এবং মিশ্রিত-ট্রান্সফর্মার আর্কিটেকচারের মাধ্যমে একটি কর্ম বিশেষজ্ঞকে একীভূত করে যা সমবেত, ক্রমিক এবং বিচ্ছিন্ন উৎপাদন মোডকে সমর্থন করে।
এই ফ্রেমওয়ার্ক চারটি LIBERO স্যুট এবং বাস্তব বিশ্বের দুহাতু কাজে উচ্চ সাফল্য হার অর্জন করে, যেখানে কারণীয় অনুগতির মাধ্যমে VTA সাফল্য 68.4% থেকে বাড়ে 97.8% হয়ে যায়। যখন শুধুমাত্র ভিডিও ভবিষ্যদ্বক্তা নতুন কাজের জন্য অনুগত হয়, তখন প্রতিকূল ডেটায় প্রশিক্ষিত একটি ঠব্বত স্থানীয়-সন্দर्भ উল্টা গতিবিদ্যা মডেল চারটি ধারিত LIBERO-90 কাজে 84.0% গড় সাফল্য অর্জন করে।
অগ্রিম গতিবিদ্যা জন্য, প্রতিকূল নिगরানী RGB ভবিষ্যদ্বাণী ত্রুটিকে 34.5% হ্রাস করে এবং 16টি সমতল-অবস্থা ফলকে ফল চিহ্নীকরণকে 21.1% থেকে বাড়িয়ে 71.3% করে। পূর্ব-প্রশিক্ষণ ডেটাসেটে Open X-Embodiment (1,300,749 ট্র্যাজেক্টরি), Agi Bot World বেটা এবং অন্যান্য অন্তর্ভুক্ত থাকে, যা মোট 14,640 ঘন্টা উৎস ভিডিও তৈরি করে।
মुख্য entidades: কোম্পানিগুলো: Open X-Embodiment, Intern Data-A1
উৎস: Hacker News · সারাংশ: HeadlinesBriefing