Decart запускает Oasis 3: реалистичная низколатентная мировая модель для обучения робототехники

Фронтирная ИИ-лаборатория Decart представила Oasis 3 — мировую модель, разработанную для преодоления разрыва между синтетической симуляцией и реальным развертыванием ИИ.

Видео-выходной движок, анонсирован в этом месяце, ускоряет обучение систем управления роботами и автономных транспортных средств, оснащая их для процветания среди непредсказуемых реальных условий.

Разработчики робототехники сталкиваются с дефицитом высококачественных данных, необходимых для обучения систем, способных навигировать в сложных реальных средах.

Пока транспортное средство может научиться маневрировать на статической парковке с фиксированными конусами, открытая дорога представляет гораздо более требовательную среду, где погода, освещение и динамические препятствия постоянно меняются.

Обучение систем управлять хаосом городских улиц — сильный дождь, внезапные препятствия,.erratic трафик — представляет отдельный вызов, который Oasis 3 решает.

Узкое место обучения робототехники

Большие языковые модели (LLM) рванули вперед, но общегоназначенная робототехника — или физический ИИ — отставала, в основном из-за нехватки богатых медиа-ресурсов.

Bessemer Ventures отметил, что разработчики LLM استفодают от скрейпинга миллиардов публичных веб-страниц — роскошь, недоступная Vision-Language-Action (VLA) моделям, которые должны интерпретировать и действовать в физических пространствах.

VLA модели поглощают данные среды, обрабатывают их и затем отвечают. Обучение им предлагает три основных пути:

• Телеоперация — человеческие операторы имитируют действия робота в контролируемом костюме. Давая данные высшего качества, это запредельно дорого и медленно, делая крупномасштабное развертывание непрактичным.
• Видео из открытого веба — легко доступны, но грязные, лишенные согласованных сред, пространственной телеметрии и прямого кондиционирования действием.
• Синтетические данные — середина, однако текущие физические движки не дотягивают до нюансов реального мира, веду к так называемому sim-to-real gap.

Этот разрыв проявляется, когда реальная случайность — нефтяные проливы, хрупкая упаковка, неожиданный мусор — сбивает автономные системы с баланса, раскрывая их ограничения.

Заполнение разрыва замкнутыми генеративными симуляциями

Decart заявляет, что Oasis 3 преодолевает существующие виртуальные пределы обучения, фузируя фотореалистичную моушн-графику с надежным физическим движком.

Встроенная в единый высокопроизводительный обучающий цикл, Oasis 3 производит действие-кондиционированные видеопотоки, способные генерировать практически любой хаотичный сценарий, который представляют разработчики, создавая обучающую среду, тесно зеркалящую реальность.

Платформа поддерживает многовидовые, ультра-реалистичные среды, полностью контролируемые; боковое отклонение автопилота триггерит генеративный поток, корректирующий перспективы за менее чем 200 мс — значительно внутри требований reinforcement learning.

Ко-дизайнированная с экосистемой физического ИИ Nvidia, Oasis 3 работает на специализированном облаке CoreWeave на 22 fps, доставляя интерактивные виртуальные среды при разрешении 512×768×3.

Она предлагает нативный трех-камерный вид для сохранения пространственной и временной консистентности с нескольких углов, позволяя автономным системам точно измерять глубину и периферический контекст.

Oasis 3 доступна через API Decart, позволяя разработчикам бесшовно интегрировать её в существующие пайплайны симуляции физического ИИ.

Обучение роботов покорять неизведанные территории

Достижение научно-фантастического уровня гуманоидов требует обучения роботов управлять уникальными краевыми случаями в реальном времени — ситуациями, невозможным для репликации в лаборатории, такой как нагрузка, падающая на дорогу, пока камера автономного автомобиля замазана грязью.

Oasis 3 усиливает разработчиков создавать бесконечные вариации таких событий через простые натурально-языковые промпты, охватывающие разные углы, погодные условия и дорожные покрытия.

Экспонируя модели к миллионам опасностей доступно, разработчики могут обеспечить готовность к любому правдоподобному реальному сценарию.