SİNQAPUR , 14 sentyabr 2026 /PRNewswire/ -- ShengShu Technology şirkətinin həmtəsisçisi və CEO-su Yihang Luo , 10 sentyabr tarixində Bundda keçirilən 2026 İnklüziya Konfransı nda robotların çevik manipulyasiyası üçün özünü inkişaf etdirən ümumi dünya modeli olan Motus2 -ni təqdim etdi. Motus2 hərəkət generasiyasını, nəticə proqnozunu və nəticə qiymətləndirməsini vahid video-hərəkət modelində, ortaq parametrlərlə birləşdirir. Model əsaslı gücləndirmə öyrənməsini tətbiq etməklə, hərəkət nəticələrinin proqnozlarını və qiymətləndirmələrini siyasət təkmilləşdirməsi üçün siqnallara çevirir, beləliklə robot manipulyasiyasının davamlı təkmilləşdirilməsi yolunu araşdırır. Komandanın tədqiqat sənədinə görə, Motus2 beş əsas real-robot tapşırığında (topu yerləşdirmək, çoxbarmaqlı manipulyasiya, pozanı yapışdırmaq, lampanı bükmək və telefonu yerləşdirmək) orta hesabla 84% müvəffəqiyyət dərəcəsinə nail olub. Telefon yerləşdirmə və çoxbarmaqlı manipulyasiyanı əhatə edən ayrı bir siyasət optimallaşdırma tədqiqatında, model əsaslı gücləndirmə öyrənməsini çıxarış zamanı planlaşdırma ilə birləşdirmək orta müvəffəqiyyət dərəcəsini 65% -dən 75% -ə, yəni 10 faiz bəndi artırıb. Bu real-robot qiymətləndirmələrində hər metod üçün hər tapşırıq üzrə 20 sınaq istifadə edilib. Çevik robot manipulyasiyası məkan əlaqələrinin, barmaq hərəkətlərinin, davamlı təmasın və tarixi məlumatların koordinasiyalı idarə edilməsini tələb edir. Bu çətinlikləri həll etmək üçün Motus2 komandası lampanı bükmək, kağızı iki əllə cırmaq, səhifələri çevirmək, içki qutusunu açmaq və gizli obyekti tapmaq kimi tapşırıqların real-robot nümayişlərini yayımlayıb. Model WUJI , WUJI Hand 2 və Sharpa Wave çevik əlləri ilə təchiz olunmuş ikili qollu robot platformalarında qiymətləndirilib. Motus2 -nin əsas irəliləyişi dünya modelinin proqnozlaşdırma qabiliyyətlərini robot qərar qəbul etmə və öyrənmə prosesinə gətirməsidir. Vahid model daxilində, siyasət interfeysi dil təlimatlarına, robot vəziyyətlərinə və vizual tarixə əsaslanaraq namizəd hərəkətlər yaradır. Bir simulyator interfeysi bu hərəkətlərin yarada biləcəyi gələcək vizual vəziyyətləri proqnozlaşdırır, qiymətləndirici interfeys isə proqnozlaşdırılan nəticələrin tapşırığı irəlilədib-irəlilətməyəcəyini qiymətləndirir. Birlikdə, bu imkanlar qapalı bir dövrə əmələ gətirir: hərəkətlər yaratmaq, nəticələri proqnozlaşdırmaq, nəticələri qiymətləndirmək və siyasəti yeniləmək. Bu dövrə icra və təlim zamanı fərqli işləyir. İcra zamanı Motus2 bir neçə namizəd hərəkət yaratmaq, onların nəticələrini proqnozlaşdırmaq və müqayisə etmək, daha yüksək nəticə verən variantı icra etmək üçün Best-of-N planlaşdırmasından istifadə edir. Hər hərəkət blokundan sonra robot real dünyadan yeni müşahidələri daxil edir və növbəti addımını planlaşdırır. Təlim zamanı model, namizəd hərəkətlərə təyin edilmiş dəyər ballarından istifadə edərək siyasətini yeniləyir, beləliklə tapşırığın tamamlanmasını dəstəkləyən hərəkətlər yaratma ehtimalını artırır. Bu proses yalnız hərəkətlə əlaqəli parametrləri yeniləyir, proqnozlaşdırma və qiymətləndirmə komponentləri isə dondurulmuş qalır. Uğurlu nümayişlər hərəkət öyrənməsi üçün hədəflər təmin edir, uğursuz və suboptimal qarşılıqlı əlaqələrdən yaranan vəziyyət dəyişiklikləri və nəticələr isə modelə hərəkət nəticələrini öyrənməyə və tapşırıq irəliləyişini qiymətləndirməyə kömək edir. Bu kontekstdə, “özünü inkişaf etdirmə” siyasəti model proqnozları və dəyər rəyləri vasitəsilə təkmilləşdirmək üçün konkret bir mexanizmə aiddir. Bu imkanlar genişmiqyaslı insan manipulyasiya təcrübəsi və robot məlumatlarının birləşməsi ilə dəstəklənir. Motus2 , monokulyar və stereo mənbələrdən təxminən 130,000 saat xam qeydlərdən ibarət eqosentrik insan məlumat bazasından istifadə edir. Model əvvəlcə monokulyar videodan obyekt dəyişikliklərinin və manipulyasiyanın geniş nümunələrini öyrənir, sonra stereo video və insan hərəkət məlumatlarından istifadə edərək məkan əlaqələrini və əl-obyekt qarşılıqlı əlaqələrini öyrənir. Robot-domen orta təlimi 100 saatdan çox robot trayektoriyaları və əlavə insan-robot uyğunlaşdırma məlumatlarından istifadə edir, ardınca hədəf tapşırıqları üçün incə tənzimləmə aparılır. Eyni hədəf-tapşırıq incə tənzimləmə proseduru altında, yalnız eqosentrik insan məlumatları üzərində əvvəlcədən təlim keçmiş model beş əsas tapşırıqda orta hesabla 51% müvəffəqiyyət dərəcəsinə nail olub. Robot-domen orta təliminin əlavə edilməsi bu rəqəmi 84% -ə qədər artırıb. Nəticələr insan qarşılıqlı əlaqə təcrübəsi və robot-domen adaptasiyasının tamamlayıcı rollarını vurğulayır: birincisi geniş manipulyasiya prioritetləri təmin edir, ikincisi isə bu təcrübəni robotun müşahidə və nəzarət sahələrinə uyğunlaşdırır. Tək vizual kadrda tam başa düşülməyən tapşırıq vəziyyətlərini həll etmək üçün Motus2 həmçinin tarixi məlumatları saxlamaq üçün mexanizmləri araşdırır və yüngül bir toxunma ekspertini daxil edir. Tarixi kontekst modelə gizlənmə və çoxaddımlı manipulyasiya ilə məşğul olarkən əvvəlki tapşırıq ipucularından istifadə etməyə kömək edir. Toxunma eksperti qısa bir hərəkət seqmenti icra edilməzdən dərhal əvvəl ən son təmas rəyini oxuyur və hərəkəti buna uyğun olaraq dəqiqləşdirir. İki real-robot tapşırığında – kağız stəkanı çıxarmaq və kağızı cırmaq – toxunma ekspertinin əlavə edilməsi orta müvəffəqiyyət dərəcəsini 60% -dən 72.5% -ə, yəni 12.5 faiz bəndi artırıb. Toxunma modulu əsas modeldən aralıq hesablamaları yenidən istifadə edir, hər hərəkət dəqiqləşdirilməsi üçün tam video əsasını yenidən işə salmaq ehtiyacını aradan qaldırır və görmədən kənar rəylə təmas həssas manipulyasiya təmin edir. ShengShu Technology -nin ümumi dünya modelləri üçün beş səviyyəli yol xəritəsi daxilində, Motus2 L3, “Dünyada Hərəkət Etmək”in konkret bir tətbiqini təmsil edir. Qiymətləndirmə, rəy və siyasət yeniləmələrini daxil etməklə, o, həmçinin L4, “Muxtar Dünya Agentləri”nə doğru texniki bir yolu araşdırır. Cari tədqiqat xüsusi tapşırıqlarda siyasət təkmilləşdirilməsini nümayiş etdirir. Daha uzun tapşırıqlarda etibarlı qərar qəbul etmə, vacib tarixi məlumatların saxlanması və açıq mühitlərdə uzunmüddətli muxtar öyrənmə gələcək tədqiqat sahələri olaraq qalır. Motus2 -nin model arxitekturası, tədqiqat sənədi və real-robot nümayişləri ictimaiyyətə açıqdır. Ətraflı məlumat üçün Motus2 layihəsinin veb-saytına daxil olun. 2023-cü ildə qurulan ShengShu Technology ümumi dünya modellərinin tədqiqatı və inkişafına diqqət yetirir. Şirkət həm rəqəmsal, həm də fiziki dünyaları anlamaq, proqnozlaşdırmaq və onlarda hərəkət etmək qabiliyyətinə malik ümumi intellekt sistemləri qurmağa sadiqdir. Daha çox məlumat üçün ShengShu Technology veb-saytına daxil olun. MƏNBƏ ShengShu Technology