DM0.5 от YuanLi LingJi возглавила RoboDojo, исходники открыты

Китайская компания YuanLi LingJi (原力灵机) представила модель DM0.5, которая вышла в лидеры RoboDojo — одного из самых сложных бенчмарков для воплощённого ИИ. Решение создано при участии Гонконгского университета, Беркли, Tsinghua и ещё почти двадцати мировых академических центров. До недавнего времени средняя успешность моделей в симуляции составляла лишь 8,8 процента, а на реальных роботах — 12,8 процента. DM0.5 набрала 24,90 балла, показав средний успех 19,34 процента. Особенно сильна память модели: в задании Cover Blocks, где робот запоминает порядок цветных кубиков, результат достиг ста процентов во всех попытках.

Разработчики делают ставку на универсальность. В демонстрациях шесть роботов собрали модель Великой стены из 81 920 мини-кирпичей за пятнадцать часов, работая с точностью до миллиметра. Другая демонстрация показывает, как робот осваивает новое действие всего по одной видеозаписи от человека. Модель уверенно справляется с сортировкой посылок на движущейся ленте и с резкой огурца, адаптируясь к изменению формы предмета. В тестах LIBERO она достигла 99 процентов успеха, в RoboTwin — более 93 процентов.

Архитектура DM0.5 построена на двухуровневой системе: быстрые рефлексы System1 и медленное рассуждение System2. Модель поддерживает память до 60 секунд и способна анализировать последовательности своих действий. Для обучения использовались специальные «контрфактические» задачи, когда даются намеренно неверные инструкции, чтобы модель действительно осмысляла происходящее, а не просто подбирала шаблон. Кроме того, инженеры применили выравнивающий метод контроля траекторий, снижающий накопление ошибок.

Большое внимание уделено скорости. Задержка модели сокращена с 534 до 57,5 миллисекунды, то есть почти в девять раз, при практически неизменной точности. Открыты не только веса, но и тренировочный фреймворк, а также готовые рабочие процессы для тонкой настройки. Авторы сравнивают свой шаг с публикацией Transformer: по их мнению, только открытая методология позволит экосистеме воплощённого ИИ развиваться так же быстро, как это произошло в больших языковых моделях.