Университет Вестлейк открыл Центр исследований мировых моделей под руководством Юй Кайчэна

Компания InSpatio, которая является стартапом, основанным в 2025 году от SenseTime и специализируется на моделях пространственного интеллекта, 29 октября открыла в Ханчжоу то, что она называет первым в Китае центром сбора данных для воплощенного ИИ, основанным на симуляции. Этот центр нацелен на производство данных в объеме в один миллион часов ежемесячно, что эквивалентно примерно 100 000 часам в день.

По мнению InSpatio, роботам не хватает не только объема данных, но и их разнообразия. Например, робот может надежно захватить предмет на фиксированной полке, однако его эффективность снижается, если полка поворачивается, целевой объект перекрывается другой строкой напитков или роботу приходится тянуться с другой стороны.

Согласно данным Китайской академии информационных и коммуникационных технологий, к концу июня в Китае функционировало более 70 полигонов для обучения роботов, и планировалось еще более 40. Тем не менее, многие из них сосредоточены на простых задачах, таких как складывание одежды и уборка столов. При каждом изменении компоновки требуется повторное бронирование площадки и операторов, что приводит к увеличению затрат.

Подход InSpatio меняет формулу расчета с «человек умножить на часы» на «конфигурации среды умножить на параллельные вычисления». Система начинает с небольшого числа демонстраций, выполненных реальными роботами или с помощью телеуправления, а затем комбинирует планирование движений, прогоны политик и автоматизированные проверки физики для генерации замкнутых траекторий в сотнях параллельных сред. Эти траектории сопровождаются согласованными метками RGB, глубины, сегментации, 6D-положения и действий.

Активы сцен получаются из двух каналов. Один канал использует партнерство с движком мировых данных Kosmo 3D от Hesai, который, как сообщается в отчете, способен сканировать комнату площадью 100 квадратных метров примерно за 15 минут с реконструкцией 3DGS на уровне миллиметра. Затем InSpatio разделяет этот статичный скан на отдельные объекты с заданными физическими свойствами. Второй канал использует собственный симулятор мира InSpatio, Topos Pro, который преобразует одиночные изображения, множественные изображения, видео, данные лидара или аэрофотосъемку в сцены на уровне объектов, где можно выбирать, заменять и присваивать свойства стол, стула и оборудования, включая свойства коллизии.

Обработка сцены включает отделение целевых объектов на отдельные экземпляры, заполнение скрытой геометрии и восстановление фона, а также калибровку массы, центра масс и трения для каждой задачи. Компания также определяет три уровня предоставления услуг: L1 для навигации, L2 для ловкого захвата с геометрией на уровне миллиметра и плотным перекрытием, и L3 для контакта и артикулированной динамики, например, открытия ящиков. Утверждается, что преимущество симуляции возрастает на более высоких уровнях, при этом окончательные политики все равно проверяются на реальных роботах.

Компания Tongyan Lingzhi, которая является дочерней структурой индустриальной платформы Пекинского института общей искусственного интеллекта (BIGAI), представила свой подход к концепции персонального ИИ. Этот подход предполагает создание моделей, которые непрерывно обучаются на основе данных конкретного человека, проекта или компании, вместо того чтобы полагаться исключительно на запросы и поиск информации.

Большинство существующих корпоративных систем ИИ сегодня адаптируются к пользователям извне. Они используют запросы для установления правил, извлекают документы через поиск, хранят состояние в памяти и упаковывают многократно используемые шаги. Однако сами веса модели редко изменяются после взаимодействия.

Tongyan Lingzhi утверждает, что стабильные привычки, например, инженерные стандарты команды или дисциплина управления рисками инвестиционной группы, могут быть интегрированы непосредственно в параметры модели. Архитектура компании предусматривает сохранение общей базовой модели для обработки общих знаний и рассуждений, к которой добавляются легковесные адаптеры Personal LoRA для каждого отдельного пользователя, проекта или организации. Компания отмечает, что эти индивидуальные возможности должны сохраняться даже в случае замены базовой модели.

Для поддержания обучения этих адаптеров команда разрабатывает механизм рекурсивного самосовершенствования, или RSI. Трассировки задач, корректировки со стороны человека и полученные результаты становятся потенциальными данными для обучения. Специальный оценщик, настроенный под стандарты каждого пользователя или компании, отбирает сигналы, которые стоит изучить перед внесением инкрементального обновления LoRA. Обновленная модель затем запускается на тех же задачах, что и предыдущая версия, и в рабочую среду выводятся только улучшения, тогда как регрессии отменяются.

Технический директор Чу Бинбин подчеркнул, что один отклоненный вариант является лишь сигналом, и только повторяющиеся закономерности должны становиться обучающими данными. Кроме того, компания работает над созданием инфраструктуры, позволяющей сделать тысячи таких адаптеров доступными. Система TIP выполняет обучение и инференс параллельно на одних и тех же GPU, а Paged LoRA управляет памятью адаптера страницами. В одном тестовом этапе с использованием Qwen2.5-72B-Instruct на восьми GPU Nvidia H800 и бюджетом памяти адаптера в 5,79 ГБ, Paged LoRA продемонстрировала лучшую задержку и поведение в «хвосте» по сравнению с плоским макетом, когда запросы LoRA составляли от 1% до 30% трафика, однако производительность снизилась при достижении 50%.

Tongyan Lingzhi признает, что работа находится на ранней стадии. Хотя технический путь RSI и архитектура продукта определены, и модули находятся в стадии проектирования, полностью автоматизированный цикл обучения все еще находится в разработке. Среди открытых проблем остаются катастрофическое забывание, загрязнение обратной связью и дрейф модели.