これらのロボットは、これらの家からの追加のトレーニングやデータなしに、30軒の未経験のベイエリアの家庭でテストされました。既に学習した内容を活用して、部屋を片付け、タオルをたたみ、ベッドを整えました。このような現実世界での汎化は、人型ロボットにとって大きな一歩です。 この会話では、ロボット操作タスクにおける長年の脆弱なポリシー問題を解決するゼロショット汎化が強く強調されました。 大規模な事前学習されたマルチモーダル埋め込みを活用することで、ロボットのポリシーネットワークは、タスク固有の再トレーニングなしに視覚入力を直接関節トルクにマッピングします。 この新しく出現したゼロショット機能により、プラットフォームは新たな操作ワークフローを成功裏に実行し、非構造化された環境を動的に処理できます。 CEO（ブレット・アドック）は、従来の階層的パイプライン制御から、知覚と制御を統合したニューラルネットワークアーキテクチャへの構造的転換を詳細に説明しました。 エッジコンピューティング最適化、センサーフュージョンの精度、エンドツーエンド学習の統合により、自律デプロイメントの実現までの時間が短縮されています。 still Hope @continuumlabs_ launching soon waiting all eagerly