Model Dunia Orca China Menandingi Robotik Khusus Tanpa Label Tindakan

Translated for your language. Read the original.

AI-assisted, human-reviewed.

GyaanSetu Editorial2 bulan lalu3min read

In this article

Model Dunia Orca dari China Setanding dengan Robotik Khusus Tanpa Label Tindakan

Satu kejayaan besar daripada penyelidik di China sedang mencabar definisi asas kecerdasan AI dengan membuktikan bahawa model dunia yang bersatu boleh menguasai robotik tanpa penyeliaan langsung. Model Orca menunjukkan bahawa hanya dengan memerhati bagaimana dunia berubah melalui video, AI boleh membangunkan pemahaman dalaman yang mendalam yang mampu memacu tindakan fizikal yang kompleks.

Enjin Pembelajaran Dual: Mod Tidak Sedar dan Sedar

Orca berbeza daripada model khusus tradisional dengan menggunakan pendekatan latihan dua serampang untuk membina "keadaan dunia" (world state) dalamannya. Kaedah pertama, "pembelajaran tidak sedar" (unconscious learning), melibatkan pemprosesan 125,000 jam video tanpa label. Semasa fasa ini, model tersebut meramalkan bingkai masa hadapan dalam ruang abstrak, membolehkannya memahami corak gerakan, halangan objek, dan dinamik pemandangan tanpa memerlukan satu pun kapsyen.

Kaedah kedua, "pembelajaran sedar" (conscious learning), memperkenalkan arahan dan huraian lisan. Dengan membahagikan video kepada segmen dan melabel perubahan keadaan yang terhasil, Orca mempelajari hubungan sebab-akibat antara tindakan tertentu dan hasil fizikalnya. Gabungan ini membolehkan model tersebut merapatkan jurang antara persepsi visual mentah dan penaakulan linguistik tahap tinggi.

Teras Beku dengan Modul Kecerdasan Boleh Tukar

Seni bina Orca direka untuk kepelbagaian yang melampau. Ia menggunakan model bahasa-imej Qwen3.5 yang telah dilatih terlebih dahulu sebagai "teras beku" (frozen core). Daripada melatih semula keseluruhan sistem untuk setiap tugasan, penyelidik menyambungkan "kepala" (heads) ringan yang khusus pada asas yang stabil ini:

Output Teks: Menggunakan kepala bahasa Qwen3.5 sedia ada.
Penjanaan Imej: Menggunakan penyesuai (adapters) kecil yang disambungkan ke Stable Diffusion 3.5 untuk menterjemah keadaan dunia dalaman kepada ramalan visual.
Kawalan Robot: Menggunakan modul "Action Expert" yang dibina khas dan dilatih secara khusus untuk menukar keadaan dunia kepada pergerakan fizikal.

Modulariti ini memastikan pemahaman pusat tentang dunia kekal konsisten, sama ada model tersebut sedang menjawab soalan, menjana video, atau mengawal lengan mekanikal.

Mengatasi Model Khusus dan Gergasi AI

Metrik prestasi untuk Orca-4B adalah signifikan. Dalam penanda aras video berasaskan teks, Orca-4B mencapai purata 51.8 peratus, mengatasi model yang jauh lebih besar seperti Emu3 (34B) dan VLM khusus seperti DeepSeek-VL2-3B. Dalam tugasan ramalan imej melalui penanda aras PRICE-V0.1, Orca-4B mencatatkan skor 59.8 peratus, mengatasi penjana kelas atasan seperti FLUX.2 small.

Apa yang paling mengagumkan, Orca menunjukkan kesetaraan dengan $\pi$0.5—sebuah sistem yang dibina secara eksklusif berdasarkan data tindakan robotik—merentasi lima tugasan manipulasi, seperti menyusun mangkuk dan mencedok gula. Yang paling penting, Orca mencapai perkara ini tanpa pernah melihat label tindakan semasa fasa pra-latihan besarnya. Ia juga menunjukkan pemulihan ralat yang unggul, dengan mencuba semula genggaman yang gagal di mana model khusus sering kali terperangkap dalam gelung berulang.

Mengapa Ini Penting untuk Masa Depan AI

Orca menyelesaikan salah satu kekangan paling ketara dalam robotik moden: kekurangan data tindakan berlabel yang kronik. Dengan membuktikan bahawa AI boleh mempelajari "fizik dunia" melalui pemerhatian pasif, penyelidikan ini membuka jalan kepada robot serba guna yang boleh digunakan dalam persekitaran baharu tanpa memerlukan berjuta-juta jam data teleoperasi yang dilabel secara manual.

Ringkasan Utama

Asas Tanpa Penyeliaan: Orca mempelajari dinamik dunia melalui "pembelajaran tidak sedar" video tanpa label, mengurangkan kebergantungan pada set data berlabel manusia yang mahal.
Seni Bina Modular: Penggunaan teras Qwen3.5 yang beku dengan penyesuai boleh tukar membolehkan satu model cemerlang dalam teks, imej, dan kawalan robotik secara serentak.
Kesetaraan Robotik: Orca-4B menyamai prestasi sistem robotik khusus dalam tugasan manipulasi walaupun tidak mempunyai pendedahan awal kepada label tindakan semasa pra-latihan.