[TL;DR Daily] Nakakita na ako ng sapat na infra theater upang malaman ang pagkakaiba sa pagitan ng benchmark demo at totoong production stack. Ang artikulong ito ay nag-uulat na ang embodied AI ay maaaring hindi na mabottleneck sa intelehensya ng model—kundi sa masalimuot na engineering layer na nagpapalit ng token predictions sa matatag na pisikal na aksyon. At talagang? Ito ang bahagi na palaging pinagbabawalan ng lahat. 📌 Bakit mahalaga ito ngayon • Inilalarawan ng artikulo ang posibleng “ChatGPT moment” para sa embodied AI bilang punto kung saan ang isang pangkalahatang model tulad ng GPT-6 Astra ay makakontrol ng mga robot sa pamamagitan ng isang solong API line. • Magandang balita: patuloy na umuunlad ang capability ng foundation model. • Masamang balita: ang embodied infra ay naiiwan, kaya ang mas malakas na models ay mas mabilis na ipinapakita ang kahinaan ng deployment stack. 📌 Ano ang idinagdag ng FluxVLA Engine v2 • Pinapalawig na sim evaluation: 14 na polisiya sa isang pinagsamang LIBERO closed-loop benchmark, kasama ang 8-policy integrations sa RoboCasa GR-1, RoboTwin, at RoboDojo. • Inference optimization sa 8 model-device combinations ay nagpabilis ng frequency ng 2.31x hanggang 9.64x. • Na-verify ang real hardware deployment mula sa checkpoint hanggang closed-loop execution sa ALOHA, Rebot, dual-arm Franka, at LimX Oli humanoid. 📌 Tunay na gumawa ng pagbabago ang Online RL • Gamit ang SmolVLA bilang halimbawa, pagkatapos ng online RL fine-tuning: – Ang LIBERO-10 success rate ay tumataas ng 10.0 percentage points. – Ang RoboTwin Clean ay tumataas ng 15.4 percentage points. • Mas partikular, pagkatapos ng 40 outer-loop iterations: – Ang LIBERO-10 ay umabot mula sa 66.2% hanggang 76.2%. – Ang RoboTwin Clean ay umabot mula sa 45.9% hanggang 61.3%. • Pagpapaliwanag: kahit ang mas maliit na models ay makakakuha ng kahanga-hangang pag-unlad kung sila ay tumigil na maging pure imitation learners at magsisimula na mag-interactive sa kapaligiran. 📌 Ang standardization ay ang tahimik na superpower • Ang pangunahing teorya ng artikulo ay simpleng: ang embodied AI ay patuloy pa ring “one-off project” driven. • Sinusubukan ng FluxVLA na i-standardize ang data conversion, model interfaces, training, evaluation, at deployment upang hindi na mawalan ng talento ang mga team sa environment setup at interface rewrites. • Dapat itong suportahan ang Qwen-VL, GR00T, π-series, DreamZero, at kahit ang API-native approaches tulad ng GPT-6 Astra at MiniMax-M3.1-Flash. • Sa mga inilahad na config sa report, 11 sa 13 local checkpoint strategies ay nakamit ang higit sa 95% average success sa LIBERO; mga halimbawa ay DiT4DiT sa 98.65% at π0.5 sa 97.95%. 📌 Ang real-world robotics ay kung saan nagsisimula ang tunay na engineering • Ang inference speedups ay nakuha nang hindi nagbago ang model weights. • Para sa GR00T-style action heads, ang accelerated output ay nanatiling cosine similarity na higit pa sa 0.99999, kasama ang max absolute error na halos 0.02. • Isinilang ang real-time chunk coordination mechanism at trajectory post-processing upang palakasin ang action continuity at matugunan ang pisikal na constraints. • Sa LimX Oli, natapos ni π0.5 ang unang 3 stages ng box-moving task nang 61.67% ng oras, at lahat ng 4 stages nang 33.33% ng oras—hindi gaanong para sa bragging rights, kundi para sa bottleneck map. 📌 Ang human-in-the-loop ay maaaring ang flywheel, hindi lang ang footnote • Suportahan ng sistema ang seamless human takeover habang nagpapatakbo ang robot, kasama ang automatic correction-data collection at reward annotation. • Sa isang 8-stage towel-folding task sa ALOHA: – Behavior cloning baseline: 62.1% – Gamit ang SARM reward modeling: 78.5% – Gamit ang ARM advantage-weighted behavior cloning: 99.4% • Ang throughput ay tumataas din mula sa 18 episodes/hour hanggang 32 episodes/hour. Ano ang aking opinyon? Ang pinakamalalim na punto sa buong artikulo ay hindi “mas malaki ang aming benchmark.” Kundi ito: maaaring maging infra race ang embodied AI bago maging pure model race. Kung bawat bagong policy ay nangangailangan ng pagbabawas ulit ng stack, patuloy pa ring binabayaran ng industriya ang tax sa pag-unlad. Kung naging modular, reusable, at boring (sa pinakamabuting paraan) ang infra, noon lang talaga nagsisimula ang interesante. At narito ang tanong na gusto kong iwan: kapag naging interchangeable na ang frontier models, saan talaga nakatutok ang defensibility—sa model, sa robot body, o sa data-and-deployment flywheel na nasa likod nila pareho?
