Ant Group otworzył kod całego robotycznego mózgu w jeden tydzień

👁 144 przeczytań

Robbyant, dział robotyki należący do Ant Group - firmy stojącej za chińskim systemem płatności Alipay - w ciągu czterech dni udostępnił na otwartej licencji kompletny zestaw modeli AI dla robotów. Seria ogłoszeń zakończyła się w tym tygodniu premierą LingBot-World 2.0, modelu generującego interaktywny świat 3D w czasie rzeczywistym.

Każdy z kolejnych modeli wypełniał inną lukę. LingBot-Depth 2.0 rozwiązuje problem, który od lat trapił roboty - rozpoznawanie szkła, luster i błyszczących powierzchni, na których typowe kamery głębokości zawodzą. Robbyant twierdzi, że nowy model o połowę zmniejsza błąd poprzednika w trudnych scenach wnętrz i dorównuje silnym systemom, korzystając z ułamka danych treningowych, których wymagał DINOv3 od Meta.

Mózg dla każdego robota

Centralnym elementem tygodnia był LingBot-VLA 2.0, czyli model typu „vision-language-action” pozycjonowany jako uniwersalny mózg dla robotów. Ant Group wytrenował go na 60 000 godzinach danych ze świata rzeczywistego, zebranych od 20 rodzajów robotów pochodzących od 17 producentów - w tym Unitree, Fourier i AgiBot. Firma twierdzi, że model przewyższa GR00T od Nvidii oraz π0.5 od Physical Intelligence w akademickich testach porównawczych. Działa przy opóźnieniu poniżej 130 milisekund na pojedynczej konsumenckiej karcie graficznej.

Finał serii to LingBot-World 2.0 - model generujący scenę w 720p i 60 klatkach na sekundę, w której użytkownik może swobodnie się poruszać przez pełną godzinę bez degradacji obrazu. Konkurencyjne systemy, jak zaznacza Robbyant, rozmywają się i przestają działać poprawnie po krótkim czasie. W środowisku można wydawać polecenia tekstowe - zmieniać porę dnia, pogodę, dodawać obiekty - a dwa wbudowane agenty pełnią role pilota i reżysera sceny. Robbyant udostępnił też LingBot-Video, który opisuje jako pierwszy open-source’owy generator wideo zaprojektowany z myślą o robotach, nie filmach.

Za tą hojnością stoi konkretna strategia. W Chinach działa ponad 100 producentów robotów humanoidalnych - większość z nich buduje mechaniczne ciało, nie oprogramowanie sterujące. Ten, kto dostarczy wspólny mózg, staje się warstwą, na której wszyscy inni budują swoje produkty. Otwierając kod, Ant Group próbuje zdobyć deweloperów i narzucić standard, zanim zrobi to ktoś inny - podobnie jak wcześniej robiły to MiniMax czy Alibaba. To bezpośredni kontrast z Nvidią, której platforma GR00T jest co prawda otwarta, ale ściśle powiązana z jej własnymi układami.

// czytaj dalejGPT Image 2 do grafik blogowych: jak stworzyć jeden spójny styl ilustracji dla całego serwisuTutorialeModel, którego nie wolno czytać. Jak jeden „jailbreak” zmusił Anthropic do wyłączenia Fable 5 dla całego świataArtykułyJeden stary trik z Uniksa zepsuł sześciu popularnych asystentów do kodowaniaNewsy