刚刚,华为首个具身世界模型来了!国产算力训出,拿下双冠
将文章核心主题、阅读路径与关联内容进行更清晰的组织,帮助用户以更流畅的节奏进入正文。
当前位置
当前正在查看文章详情,可沿路径返回栏目页或继续切换其他内容。
刚刚,华为首个具身世界模型来了!国产算力训出,拿下双冠
以下内容由球友会官网整理:
智东西 作者 三北 编辑 心缘 智东西11月16日报道,今日,华为云推出其 首款 昇腾原生具身世界模型CloudRobo-WM1.
2 ,并宣布于11月30日正式开放WM1.
2模型权重、推理后训练代码及预训练最佳实践。
该模型采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生DualAct架构实现世界模型原生动作生成,在 RoboTwin 2.
0、LiberoPro 2.
0评测中均位列第一。
现场,华为云展示了基于CloudRobo-WM1.
2的机器人完成 工业级搬运连续作业、轴承毛刺清洁 等真实工业场景实验,以及在 无人零售场景 中完成了物品上架、礼物入柜等收纳任务。
会上,华为云透露:“ 华为昇腾云在具身智能市场格局中国第一 ,已有 80% 的中国具身智能企业选择昇腾云,重点高校基本实现全覆盖。
”这里的“格局第一”应该是企业自身统计口径下的生态渗透率、客户覆盖度国内第一,不是第三方机构营收口径。
同时,华为云宣布与环卫装备龙头企业福龙马集团联合研制的 智能清扫机器人 已启动预售。
一、直面五大挑战,华为用五项技术给机器人“补脑” 华为云具身产品线总裁/具身智能Lab主任吴小东透露,其团队一直在行业大模型、商专车的自动驾驶、具身智能行业尝试落地,看到了很多挑战:比如传统视觉表征一遮挡就“半瞎”,一换视角就“懵”,一动起来就变“傻”,在复杂开放环境中的成功率会明显下降。
整体来说,具身智能正从实验室走向真实物理世界,面临 多模态物理理解困难、世界认知与动作生成的耦合难、异构数据难以规模化利用、跨机器人本体泛化难、实时推理算力成本高 等多重挑战。
面对这些挑战,华为云基于在AI与智能驾驶领域的工程化实践,推出CloudRobo-WM1.
2世界模型与CloudRobo开发平台,试图打造具身智能的“硅基黑土地”。
CloudRobo-WM1.
2围绕具身智能核心挑战,构建了以下五大核心技术能力: 1、PPA(Perceive-Predict-Act)多模态世界表征架构: 模型不仅识别物体,还能预判物理交互结果。
它融合RGB视频、语义特征、深度与点云,引入未来多模态预测监督。
吴小东谈道,统一表征建模的目标,是让机器人从“看得清一张图片”到“能看懂一部4K电影”,更好理解物理世界。
例如,机器人看到一个杯子,不仅知道它是什么、在哪里,还能预判推它下一步会怎样运动、是否会倾倒。
2、多粒度监督数据自适应预训练框架: 就好像画漫画不需要画出完整的刘德华,只需要体现他的特点即可辨识。
CloudRobo-WM1.
2根据数据实际具备的有效信息组织监督,避免有价值数据因局部缺失被丢弃,释放异构数据Scaling潜力。
动作标注缺少、部分维度无效、深度缺失及相机视角不完整等数据都可被兼容。
吴小东谈道,动态监督机制要让模型“既能吃粗糠,又能吃细粮”,把动作缺标注、维度无效、深度缺失的数据联合监督,最大化数据价值。
3、世界模型原生DualAct(Dual-path Unified Expert Training)架构: “同一个懂世界的大脑,两种动作生成路径”。
类似人有不经过大脑皮层的直接控制(膝跳反射),快速高效直接,也有经过学习之后在生活中建立的条件反射(谈虎色变)。
世界模型直接输出高精度动作,实现原生机器人动作控制;
基于MOT架构,动作专家也可实现直接高效动作输出。
双通道动作架构设计,可以支持开发者灵活定义动作专家尺寸,提高后训练效率。
4、本体语义保真跨具身运动建模: 相当于为单臂、双臂、轮式等各种形态机器人提供统一动作翻译器,多本体差异化可以统一语义。
吴小东提到,多本体不能简单把维度串起来,否则会丢失“千人千面”的差异;
团队构造机器人翻译器,把96维机器人和168维人类运动原生语义联合训练,共享运动语言并复用人的运动经验。
5、World/Expert Action,Joint/Action-only四种可按需组合的弹性推理模式: 像点菜一样,丰俭由人,按需匹配客户算力资源和推理时延。
其支持Joint(输出未来世界+高精度动作)、Action-only(只输出动作)两类输出目标,以及World Action(偏重高精度输出)、Expert Action(偏重快速高效)两种输出头,形成四种可组合的推理模式。
客户可以根据算力、时延要求灵活组合。
总的来说,五项核心技术共同支撑CloudRobo-WM1.
2在世界建模、动作生成、数据规模化学习和工程部署方面的持续演进,为具身智能从模型研究走向复杂物理场景应用提供技术基础。
二、模型三层+云三层:华为云搭起具身智能“全栈底座” 沿着五大技术特点继续深挖,CloudRobo-WM1.
2技术架构分为三层: 第一层,具身原生多模态PPA模型架构: 预测增强世界理解+原生双路径动作,统一建模世界理
本文内容由球友会官网整理。
推荐阅读
Search
热点新闻
回老家一趟我彻底破防:村里47个五十岁上下的壮年人,全不种地不打工,天天打牌晒太阳,一问存款还没我多
这次回到老家,我在村口的老槐树下看到了一群人。 男女老少,五十多岁左右,打牌的,嗑瓜子的,靠墙根眯着眼睛晒太阳的,我数了一下,我们的生产队五十岁以上的壮年人共四十七人。下地的没有一个,出去打工一个没有,全在村里待着。 我挨个问了一圈,问到积蓄,大多数人手里只有几万块钱,有的甚至连五万都没有。我在城市干了十多年,手上的存款说出不怕笑话,比他们多了不少。当时我就一个想法:这些人是靠什么活下来的? 我找
郎平好友汤淼近况曝光:瘫痪19年有望站起,现任和前妻相处和谐
在一个温暖的夜晚,郎平特意前往上海,探望了她的好友汤淼。此次见面,汤淼九岁女儿的面容首次公开,展现了他生活中的另一重温暖。汤淼自2007年意外瘫痪以来,尽管失去了健康,但他身边始终有朋友和家人的支持,尤其是他的父亲,始终如一地陪伴着他,承担起照顾的重任。 汤淼曾是一位排球明星,以他超凡的身高和技术赢得了众多荣誉,然而命运的突如其来改变了他的生活轨迹。事业巅峰期,他与女排队员周苏红的感情备受关注,但
美论坛:孟买已领先上海30年,可为何中国人仍觉得印度落后?
海外论坛上曾出现过一个很有争议的观点,有网友提出孟买的发展水平已经领先上海三十年。这个说法一出,立刻引来大量讨论,不少海外网友顺着这个观点展开讨论,但大部分国内网友看到之后,第一反应就是不认同。很多人好奇,为什么会出现这样完全相反的判断,大家对于一座城市发达与否的评判标准,到底差在哪里?今天抛开情绪化的争论,拿公开可查的数据,客观把这件事讲清楚。 先把这个观点的来源理清楚。这个说法最早出自美国论坛
65分钟29记制胜分,阿尔卡拉斯带伤3比0晋级
北京时间11月20日,ATP年终总决赛小组赛, 卡洛斯·阿尔卡拉斯 以 6比4、6比1 击败首次参赛的 弗拉维奥·科博利 ,全场仅用时 65分钟 ,以小组赛 3比0 的不败战绩锁定伊万·伦德尔组头名。 阿尔卡拉斯在赛后表示,自己的打法就是尽量少移动、把球打得更重。“我尽量打得更有侵略性,能多用力就多用力,尽量不去跑动太多。”这场比赛他打出 29记制胜分 ,两盘都在首局就完成对科博利的破发,迅速结束
为什么电诈越打越猖狂、手段越来越狠?到底是谁在给他们开绿灯?
不知道大家有没有这种直观感受:这几年反诈宣传铺天盖地,隔段时间就能看到捣毁境外诈骗窝点的新闻,可身边的诈骗电话、诈骗短信好像并没减少,反倒套路越来越精细,一开口就能报出你的姓名、住址,甚至最近的消费记录。很多人都纳闷,打击力度这么大,为什么电诈反而像野草一样,割了一茬又冒一茬? 答案其实并不复杂:如果只盯着境外的园区重拳出击,不斩断国内的“供血链条”,那永远都是治标不治本。 缅北、柬埔寨等地的诈骗