Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
10 thích
Phần thưởng
10
7
Đăng lại
Retweed
Bình luận
0/400
GamefiHarvester
· 12-18 14:13
Bạn thực sự có thể chơi ở cấp độ này bằng cách buộc dây giày? Khung GR-RL của Byte trông thái quá
---
Thao tác chính xác cấp milimet của các vật mềm... Nói thẳng ra, robot cuối cùng đã học được các chuyển động tốt, đây là một bước đột phá thực sự hữu ích
---
Byte của trí thông minh thể hiện là nghiêm túc, đáng tin cậy hơn nhiều so với những dự án chỉ có thể bị thổi bay
---
Hệ thống này có thể được sử dụng cho các công việc thủ công phức tạp khác không? Có cảm giác như không gian ứng dụng lớn một cách nực cười
---
Bước nhảy vọt từ lý thuyết sang thực hành nghe có vẻ đơn giản và chết người, vì vậy không có gì ngạc nhiên khi nó rất khó khăn
---
Đó vừa là học tăng cường vừa là chiến lược ngôn ngữ trực quan, và có điều gì đó không ổn với ngăn xếp công nghệ này
---
Robot thực sự có thể hoạt động đã xuất hiện? Bây giờ ngành công nghiệp có thể đang di chuyển
Xem bản gốcTrả lời0
HalfBuddhaMoney
· 12-18 13:30
Những người của ByteDance thật sự rất đáng sợ, buộc dây giày cũng có thể biến thành đột phá nghiên cứu? Điều khiển chính xác ở cấp độ milimet, nghe thật là phi lý
Xem bản gốcTrả lời0
orphaned_block
· 12-18 00:17
Bạn đã học cách buộc dây giày rồi, bước tiếp theo có phải là để robot giặt tất cho tôi không?
Việc buộc dây giày nhỏ nhặt này cũng có thể đạt độ chính xác đến millimet, vậy robot đa năng còn xa nữa sao... Cảm giác lần này thực sự khác biệt
Xem bản gốcTrả lời0
LongTermDreamer
· 12-15 17:36
Việc thắt dây giày có vẻ không to tát, nhưng trong vòng ba năm, công nghệ này sẽ phải được triển khai ra sản xuất công nghiệp đấy, đến lúc đó thanh khoản sẽ được giải phóng, chúng ta phải lên tàu thôi
ByteDance Seed团队刚刚展示了一个真正学会系鞋带的机器人——听起来简单,实际上技术难度极高。
核心突破在于他们开发的GR-RL框架。这套系统结合了视觉语言行动策略,通过强化学习进行专门化训练,能够处理长期序列任务 và鞋带这类软体可形变物体的毫米级精密操纵。
换句话说,机器人不仅要"看得懂"整个流程,还要学会在操作柔软、易变形的物体时精准控制每一个动作。这对机器人学领域来说是个实质性的进步——从理论模型到实际操作能力的跨越。对标当前的AI发展方向,这类具身智能的突破正在改变我们对机器学习的理解。