Physical AI Lab // 第 0.3 話 // 1枚まとめ
見る・考える・動く
ロボットの1秒間を、スローで見せます
三つのポイント
- 見る:外の映像(ある公開データセットは毎秒15コマ、R)も、「自分」も見る。手の位置と姿勢(固有受容感覚)。
- 考える:遅い系と速い系の二つ。遅いほうがじっくり考えて作業を分け、速いほうが動作を出す(エヌビディア GR00T N1.7、O)。ある論文では25ステップ進むたびに、約半秒ごとに考え直す(π0、R)。
- 動く:制御インターフェースは毎秒千回、指令をやりとりする(ある会社の FCI、1キロヘルツ、O)。その都度、細かく調整できる。速くて正確、にはまだまだ遠い。
出典:O 公式・一次 · R 学術文献 · M メディア・二次
| R | 毎秒15コマ | 公開ロボットデータセットの記録頻度(映像も動作も毎秒15回記録) |
| O | 遅い系と速い系 | 公開人型ロボットモデル GR00T N1.7 の二重システム構造:高レベルの推論と低レベルの動作を分ける |
| R | 25ステップ/半秒 | π0 は50ヘルツで動くロボットで、25ステップ分の動作を実行するたびに、約0.5秒ごとに推論し直す(論文) |
| O | 毎秒1,000回 | あるロボット会社の制御インターフェース(FCI)は、1キロヘルツで低レベルの制御指令をやりとりする |
さらに読む
- DROID:大規模な実環境ロボット操作データセット(arXiv 2403.12945)
https://arxiv.org/abs/2403.12945 - π0:汎用ロボット制御のための視覚・言語・行動フローモデル(arXiv 2410.24164)
https://arxiv.org/abs/2410.24164 - NVIDIA GR00T N1.7(Hugging Face ブログ)
https://huggingface.co/blog/nvidia/gr00t-n1-7 - Franka Control Interface(1 kHz のリアルタイム制御)
https://franka.de/tmr