AI Radar — лента🤖 NVIDIA предлагает забыть про VLAs. Вместо них — WAMs
Роботы учатся управлять руками, ногами, манипуляторами. Раньше для этого делали VLA-модели — берёшь большую языковую модель, добавляешь камеру, учишь описывать, что видишь. Звучит логично.
Только это медленно и дорого. И к новым задачам такие модели адаптируются так себе.
NVIDIA в лице Джима Фаня предлагает другой подход: WAM. Вместо того чтобы учить робота говорить, его учат предсказывать физику. Как предметы падают, скользят, отскакивают — вот это вот всё. Данные можно собирать откуда угодно, хоть с человеком, хоть с симуляцией — лишь бы был физический опыт.
Главная идея: физика универсальна, а семантика — нет. Вода одинаково течёт в Токио и в Москве. А вот описание «наполнить стакан» звучит по-разному.
Что это значит: роботы смогут учиться быстрее и на более разнообразных данных. Космос для WAM — это база, на которой можно строить.
Есть нюанс: пока без конкретных замеров, насколько WAMs реально лучше VLA. Обещают подробности — будем смотреть.
Оригинальная публикация в Telegram