Spirit-v1.5 - Qianxun Intelligenceが発表した基本的な具現化知能モデル

Spirit-v1.5とは何ですか？

Spirit-v1.5は、Qianxun Intelligenceが開発した基礎的な身体化知能モデルです。このモデルは、多様でオープンなデータ収集方法を採用し、従来の「クリーンデータ」の制約を克服することで、事前学習段階でより豊富な動作やシナリオに触れることが可能となり、汎化性能と適応性が向上しています。RoboChallengeの実機評価において、Spirit-v1.5はこれまでの有力モデルを凌駕し、現在最高の身体化知能モデルとなり、身体化知能開発のための新たな技術的道筋とオープンソースのベンチマークを提供しています。

Spirit-v1.5の主な機能

• 多様なタスクの実行Spirit-v1.5は、生け花、果物をかごに入れる、歯ブラシ立てを吊るす、テープを貼る、ゴミを片付けるなど、さまざまな日常的な作業を実行できます。
• 一般化能力多様な事前学習データを用いることで、未知の状況にも迅速に適応し、タスクを実行する能力を備えている。
• 堅牢性複雑な環境下でも優れた性能を発揮し、物体の遮蔽、照明の変化、ロボットアームの協調動作といった課題にも対応できる。
• 複数のロボットプラットフォームに対応このモデルは、単腕ロボット（Franka、UR5e）や双腕ロボット（ALOHA）など、様々なロボットハードウェアと互換性があります。
• 高効率な微調整新しいタスクに合わせて迅速に微調整できるため、トレーニング時間とリソース消費を削減できます。

Spirit-v1.5の技術的原則

• 多様なデータ収集このモデルは、従来の「クリーンデータ」アプローチを放棄し、オープンで緩やかな管理のデータ収集方法を採用している。データ収集者はタスクの目標にとらわれずに自由に活動し、様々な基本的なスキルや現実世界の時間的関係を含むデータを生成する。
• 事前学習と微調整このモデルは、大規模で多様なデータを用いて事前学習されており、単一のタスクに対する最適な解決策ではなく、一般的なポリシーを学習します。新しいタスクに合わせて微調整を行うと、モデルは迅速に適応し、優れたパフォーマンスを発揮します。
• 視覚・言語・行動（VLA）モデルアーキテクチャ視覚、言語、動作モジュールを組み合わせることで、ロボットは自然言語による指示を理解し、周囲の環境を認識し、それに応じた動作を実行できるようになる。
• 強化学習と自己モニタリング学習このモデルは、強化学習を用いてタスクの成功率を最適化すると同時に、自己教師あり学習によって環境変化への適応性を向上させている。

Spirit-v1.5のプロジェクトアドレス

• プロジェクト公式サイト：https://www.spirit-ai.com/en/blog/spirit-v1-5
• GitHubリポジトリ：https://github.com/Spirit-AI-Team/spirit-v1.5
• ハギングフェイスモデルライブラリ：https://huggingface.co/Spirit-AI-robotics/Spirit-v1.5

Spirit-v1.5の応用シナリオ

• ホームサービスSpirit-v1.5は、テーブルの上を拭いたり、物を整理したり、料理を手伝ったりといった家事をサポートし、家族生活の利便性と効率性を大幅に向上させます。
• 産業オートメーションこのモデルは、生産ラインの運用、品質検査、物流倉庫業務に適用可能であり、タスクを効率的に実行することで、工業生産の効率と精度を向上させる。
• 医療支援Spirit-v1.5は医療プロセスを最適化し、リハビリテーション訓練、医療用品管理、手術支援などの分野で医療従事者を強力にサポートします。
• 教育と研究Spirit-v1.5は、研究および教育ツールとして、学術研究と教育の普及を支援し、ロボット工学と人工知能の教育的発展を促進します。
• 小売業およびサービス業Spirit-v1.5は、店舗管理、顧客サービス、在庫管理において、小売業の業務効率を向上させ、顧客体験を強化することができます。
• 農業と園芸Spirit-v1.5は、作物管理や園芸作業に利用でき、農業生産や園芸維持管理を支援し、作業効率を向上させます。