代码Agent这两年为何进步飞快,成为AI界的宗门大师兄? 因为这玩意儿自己个儿就超!闭!环!的! 代码Agent可以自动执行、自动验证、自动反馈。写了代码跑一下就知道对不对,奖励信号非常清晰明确。 这给后训练(Post-training)阶段的自反馈闭环提供了完美条件。 同样是AI界大热门,具身智能目前就缺少这种“神助”。 它面对的物理世界比代码Agent面对的世界复杂多了,而且很难得到即刻验证。 它接收的信号不像代码那样有一个编译器就能判定,它们模糊、昂贵,而且每一次真机试错都意味着真金白银的人力和硬件损耗。 VLA(视觉-语言-动作模型)是具身智能中最早受到关注的技术路线。 但很快,大家发现这个技术存在物理理解缺失、泛化能力极弱、长时序与规划能力不足等等问题,做不到“一家独大”包打天下。 大家有点着急。后来,世界模型又成了行业里的新宠儿。 但世界模型似乎也不是灵丹妙药(至少目前来看是这样的)…… 这也不行那也不行,具身智能,你到底要怎样啊?? 这个时候,原力灵机相关负责人站出来表态: 我觉得特别愚蠢的一件事情是在「技术路线」上给自己贴标签。这件事情是特别蠢的。 应该以目标导向。你要解决什么问题,挑选对应的方法去解决它,而不是说我是什么方法的、什么流派的,为此来证明只有我才是标新立异的。 他介绍,大约今年过年前,原力灵机意识到可将世界模型作为后训练的一部分。 一晃眼半年过去了。这个月,原力灵机发布了旗下首款具身世界模型DW0.5,并将它接入世界模型驱动的具身智能后训练框架DFOL2.0。 “这套基模支持多模态输入,包括任务指令、图片和视频,还能选定机器人类型。我们可以凭借历史动作,预测后续视频状态。”原力灵机联合创始人汪天才说。 他介绍道,DW0.5用上万小时真机、多视角数据完成联合预训练,仿真能力很强,能生成各类画面。 不光能做出机械臂正常作业的视频,就算参考错误动作,也能还原任务失败的场景,以此支撑DFOL2.0框架的在线强化学习训练。 DW0.5作为一个高保真仿真器,把强化学习搬进虚拟世界。 VLA先给出候选动作,DW0.5在虚拟环境中预演未来,判断成功、失败与偏离风险,再把可用反馈送回强化学习。 按其披露的数据,这套流程可让后训练中真机数据需求骤降60%,整体训练成本下降40%。
代码Agent这两年为何进步飞快,成为AI界的宗门大师兄? 因为这玩意儿自己个儿就超!闭!环!的! 代码Agent可以自动执行、自动验证、自动反馈。写了代码跑一下就知道对不对,奖励信号非常清晰明确。 这给后训练(Post-training)阶段的自反馈闭环提供了完美条件。 同样是AI界大热门,具身智能目前就缺少这种“神助”。 它面对的物理世界比代码Agent面对的世界复杂多了,而且很难得到即刻验证。 它接收的信号不像代码那样有一个编译器就能判定,它们模糊、昂贵,而且每一次真机试错都意味着真金白银的人力和硬件损耗。 VLA(视觉-语言-动作模型)是具身智能中最早受到关注的技术路线。 但很快,大家发现这个技术存在物理理解缺失、泛化能力极弱、长时序与规划能力不足等等问题,做不到“一家独大”包打天下。 大家有点着急。后来,世界模型又成了行业里的新宠儿。 但世界模型似乎也不是灵丹妙药(至少目前来看是这样的)…… 这也不行那也不行,具身智能,你到底要怎样啊?? 这个时候,原力灵机相关负责人站出来表态: 我觉得特别愚蠢的一件事情是在「技术路线」上给自己贴标签。这件事情是特别蠢的。 应该以目标导向。你要解决什么问题,挑选对应的方法去解决它,而不是说我是什么方法的、什么流派的,为此来证明只有我才是标新立异的。 他介绍,大约今年过年前,原力灵机意识到可将世界模型作为后训练的一部分。 一晃眼半年过去了。这个月,原力灵机发布了旗下首款具身世界模型DW0.5,并将它接入世界模型驱动的具身智能后训练框架DFOL2.0。 “这套基模支持多模态输入,包括任务指令、图片和视频,还能选定机器人类型。我们可以凭借历史动作,预测后续视频状态。”原力灵机联合创始人汪天才说。 他介绍道,DW0.5用上万小时真机、多视角数据完成联合预训练,仿真能力很强,能生成各类画面。 不光能做出机械臂正常作业的视频,就算参考错误动作,也能还原任务失败的场景,以此支撑DFOL2.0框架的在线强化学习训练。 DW0.5作为一个高保真仿真器,把强化学习搬进虚拟世界。 VLA先给出候选动作,DW0.5在虚拟环境中预演未来,判断成功、失败与偏离风险,再把可用反馈送回强化学习。 按其披露的数据,这套流程可让后训练中真机数据需求骤降60%,整体训练成本下降40%。


JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图
JPG
长图