ხედვა-ენა-მოქმედების (VLA) მოდელები არის AI სისტემები, რომლებიც ერთ მოდელში აერთიანებენ ვიზუალურ აღქმას, ენის გაგებასა და მოძრაობის კონტროლს — რაც რობოტს საშუალებას აძლევს, აღიქვას სცენა, გაიგოს ინსტრუქცია და პირდაპირ იმოქმედოს. აქ ვაშუქებთ VLA-კვლევას, გამოშვებებსა და ლაბორატორიებსა თუ რობოტებს, რომლებიც ამ მიდგომას ავითარებენ.
Google DeepMind-ის ახალმა Gemini Robotics 2-ის მოდელებმა ჰუმანოიდურ რობოტებს მთელი სხეულის კოორდინაცია, მრავალსაფეხურიანი ამოცანების დაგეგმვა და ერთმანეთთან თანამშრომლობა ასწავლა — ეს Apptronik-ის Apollo 2-ზე დაადასტურეს.
ვრცლად →
Vision-language-action (VLA) მოდელი კამერის გამოსახულებასა და მარტივ ინსტრუქციას პირდაპირ რობოტის მოძრაობად გარდაქმნის, რითაც ცალკეულ აღქმისა და მართვის სისტემებს ერთი მოდელით ანაცვლებს.
ვრცლად →