OpenWAM एक खुला विश्व-कार्य मॉडलिंग फ्रेमवर्क है जो एक सामान्य कारणात्मक रोबोट-वीडियो आधार प्रदान करके भविष्यवाणी और नियंत्रण में डिजाइन विकल्पों की तुलना करने में सक्षम बनाता है। इसे Wan2.2-5B से बनाया गया है, यह 10,000 घंटे से अधिक वीडियो (3.34 मिलियन ट्रैजेक्टरी) पर कारणात्मक पूर्व-प्रशिक्षण करता है और मिश्रित-ट्रांसफॉर्मर आर्किटेक्चर के माध्यम से एक क्रिया विशेषज्ञ को एकीकृत करता है जो संयुक्त, क्रमिक और अलग-थलग उत्पादन मोड का समर्थन करता है।
यह फ्रेमवर्क चार LIBERO सुइट्स और वास्तविक दुनिया के द्विहस्त कार्यों पर उच्च सफलता दर हासिल करता है, जहां कारणात्मक अनुकूलन के माध्यम से VTA सफलता 68.4% से बढ़कर 97.8% हो जाती है। जब केवल वीडियो भविष्यवक्ता नए कार्यों के लिए अनुकूलित होता है, तो प्रतिकूल डेटा पर प्रशिक्षित एक स्थिर स्थानीय-संदर्भ उल्टा गतिकी मॉडल चार धारित LIBERO-90 कार्यों पर 84.0% औसत सफलता हासिल करता है।
अग्रिम गतिकी के लिए, प्रतिकूल पर्यवेक्षण RGB भविष्यवाणी त्रुटि को 34.5% तक कम करता है और 16 समान-स्थिति परिणामों में परिणाम पहचान को 21.1% से बढ़ाकर 71.3% कर देता है। पूर्व-प्रशिक्षण डेटासेट में Open X-Embodiment (1,300,749 ट्रैजेक्टरी), Agi Bot World बीटा और अन्य शामिल हैं, जो मिलकर स्रोत वीडियो के 14,640 घंटे बनते हैं।
मुख्य संस्थाएं: कंपनियां: Open X-Embodiment, Intern Data-A1
स्रोत: Hacker News · HeadlinesBriefing द्वारा सारांशित