Lưu trữ — US — turtlesai
V-JEPA 2: Mô hình mới của Meta với tham vọng hiểu biết thế giới
Meta AI giới thiệu V-JEPA2, một mô hình thế giới dựa trên video, tự giám sát với hơn 1 triệu giờ huấn luyện, giúp nó hiểu, dự đoán và thực hiện các nhiệm vụ robot với hiệu suất hàng đầu và khả năng không cần hướng dẫn cực cao, thể hiện sự tiến bộ đáng kể trong việc hiểu biết hình ảnh và kiểm soát robot.
Điểm chính
- V-JEPA2 là một mô hình 1.2 tỷ tham số được đào tạo trên hơn 1 triệu giờ video trên internet.
- Đạt điểm số cao nhất là 77.3% trên Something-Something v2 và 39.7% trên Epic-Kitchens-100 mà không cần hướng dẫn ngôn ngữ.
- Mở rộng thành V-JEPA2-AC, chỉ sử dụng 62 giờ video về robot để thực hiện các nhiệm vụ trên cánh tay Franka trong môi trường mới với khả năng zero-shot.
- Thực hiện thành công các nhiệm vụ như đạt đến, nắm bắt và đặt chỗ mà không cần đào tạo hay thưởng cụ thể, chứng minh hiệu suất và sự thích nghi cao.
- Mô hình sử dụng bộ mã hóa ViT và chú ý đa khối, đạt được việc đào tạo tiến bộ cho độ phân giải không gian và thời gian cao.
Vì sao quan trọng
- Nhấn mạnh xu hướng ngày càng phát triển trong lĩnh vực Trí tuệ Nhân tạo (AI) với các mô hình đòi hỏi ít dữ liệu được chú thích, điều này phù hợp với sự bùng nổ của việc học không giám sát.
- Các khả năng của V-JEPA2 phản ánh sự dịch chuyển đến ứng dụng AI trong robot và hệ thống tự động, hai khía cạnh quan trọng của cảnh quan CNTT năm 2025.
- Chứng minh hiệu quả của việc kết hợp dữ liệu quy mô internet với kiến trúc tiên tiến, một xu hướng đáng chú ý trong nghiên cứu và phát triển AI.
V-JEPA2 đại diện cho một bước tiến lớn trong lĩnh vực trí tuệ nhân tạo, kết hợp đào tạo quy mô lớn với khả năng robot hiệu quả, thiết lập một tiêu chuẩn mới cho các mô hình học dựa trên video và ứng dụng của chúng trong ngành robot, mở ra con đường cho những phát triển tương lai trong công nghệ tự động.