有鹿机器人创始人&CEO 陈俊波：AGI时代下的机器人技术机遇与挑战
2023-07-25 14:24 作者:Siyuejiang | 我要投稿
绿色是机器人state，底盘、机械臂的位置
80%成功率不够
清晰简单
输入图片，world encoder，embedding
为啥是COT，理论上不同embedding联合训练
imitation learning只能解决静态场景问题，why？RT-1端到端transformer架构设置导致的？
端到端，data-driven
自动驾驶！
routing是全局规划路径或者目标点
传统自动驾驶的问题：少量人工标记数据上学习；future world decoder有大量不可学习部分，需要工程师翻译
数据量不够的时候CNN表现好于transformer
2021年OpenAI解散机器人团队的原因：几十个机器人在实验室收集数据；机器人产品模式，针对客户问题生成不同产品，成千上万的出货
革命性产品过2个月就会推出
参数、全局注意力都不是关键。dynamic/static是关键
人工标注作为feedback，imitation leanring 没发在交互场景工作
imitation learning的局限
一算loss就平均了
distribution drift
当前zhen的输出是下一zhen的输入
误差累积
交互性
车端低算力平台跑起来
1B左右模型是可以在车端跑的
做端到端的必要有多大？
算力、数据集、参数 scaling law
real time inference一定在车端
自车低速复杂场景，周围车高速。。。先落地
如何看待无地图：融合地图，offline地图更稳定，online方式，对长程地图描述不会那么准确，有底图，有online mapping过程，offline灵活性不够，不一致会以online为准
多低成本实现offline底图
