区别于VLA:用少量数据训练的高效物理AI战略

工业用运动控制专业企业RS Automation于26日正式推进基于“软调谐(Soft Tuning)”的物理人工智能(AI)战略,为工业自动化市场指明了新的方向。


近期在机器人人工智能领域,基于视觉-语言-行为(VLA,Vision-Language-Action)的模型被广泛应用。VLA是在一个模型中将视觉模型、语言模型和机器人控制算法连接起来,从输入到理解及行为一次性处理的端到端(End-To-End)结构。大多数VLA路径通过对视频和行为等非结构化数据进行大规模学习来获得通用性,因此需要海量数据和算力基础设施。


RS Automation并未采用为大规模学习而收集视频和行为数据的方式,而是构建了利用设备内部物理数据的高效学习结构。电流、位置、速度、振动、共振响应等设备内部控制信号已经反映了物理定律,是直接描述机械状态的信息。软调谐通过利用具有物理意义定义的信号,自动识别共振频率、结构特性、摩擦和负载变化,并且仅凭短时间的动作日志就能推断系统特性。


RS Automation同时拥有运动控制器(大脑)、伺服驱动器(肌肉)和高精度编码器(感知),并通过软调谐技术,将各部件产生的数据基于EtherCAT进行同步,整合为工业设备的动力学数据。由此,在使用设备的过程中,自然地累积学习数据,同时还能形成一种设备自身运行效率自动提升的结构。


公司认为,通过软调谐模型,即便依靠少量数据也能提升设备性能,从而降低在工业现场应用的门槛,并有望将高效人工智能结构快速导入工业现场。



RS Automation相关负责人表示:“软调谐不是只看大量数据的人工智能,而是理解物理的人工智能,从这一点来说,它是以现场为中心的领域特化模型。”他还补充称:“RS Automation今后将基于物理数据,以在工业现场导入机械自我提升性能的高效人工智能结构的方式,打造与既有VLA差异化的全新商业模式。”

集“头脑·肌肉·感知”于一身的RS Auto,为物理AI指明新方向 View original image


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点