アーカイブ — US — turtlesai
Meta、新モデル「V-JEPA 2」を発表 – 世界を理解するための取り組み
Meta AIがV-JEPA2を導入しました。これは、自己教師付きのビデオベースのワールドモデルで、100万時間以上のトレーニングを受けており、最先端のパフォーマンスとゼロショット機能を備えたロボティックタスクを理解し、予測し、実行することができます。これにより、視覚理解とロボット制御の重要な進展が示されています。
要点
- V-JEPA2 は、1 億 2 千万のパラメータを持ち、1 ミリオン時間以上のインターネット動画でトレーニングされました。
- Something-Something v2 で 77.3%、Epic-Kitchens-100 で 39.7% のトップスコアを達成し、言語監督なしに成功しました。
- V-JEPA2-AC に拡張され、僅か 62 時間のロボット動画のみを使用して、Franka アームで新環境でのタスクをゼロショット可能です。
- 特定のトレーニングや報酬がなく、到達、つかむ、およびピックアンドプレイスのようなタスクを成功裏に実行し、高い効率性と適応性を実証しています。
- このモデルは、ViT エンコーダーとマルチブロックアテンションを採用し、高い空間的および時間的解像度のために進化的なトレーニングを実現しています。
なぜ重要か
- AIの成長トレンドのハイライトは、アノテーションされたデータが最小限しか必要としないモデルにあります。これは自己教師あり学習の台頭と一致しています。
- V-JEPA2の能力は、2025年のIT景観の重要な側面であるロボティクスや自律システムへのAIアプリケーションへの移行と共鳴しています。
- インターネット規模のデータと先進的なアーキテクチャを組み合わせる効果を示しており、AI研究開発における注目すべきトレンドを示しています。
V-JEPA2は、AIの大幅な進歩を表しており、大規模なトレーニングと効率的なロボット能力を組み合わせることで、ロボット工学における映像ベース学習モデルとその応用の新基準を確立しました。これにより、将来の自律技術の発展への道を拓いています。