Video
Kineski startap Spirit AI objavio je da je njegov model Spirit v1.6 zauzeo prvo mjesto na prestižnom RoboArena benčmarku, nadmašivši kompanije kao što je Nvidia i druge vodeće konkurente.
Spirit v1.6 je ostvario rezultat od 1.924 poena, čime je pobijedio Nvidia Cosmos3-Nano-Policy model koji je zabilježio 1.881 poen, kao i DreamZero (još jedan model iza kojeg stoji Nvidia) sa osvojenih 1.763 poena.
Ovaj uspjeh ujedno predstavlja prvi put da je jedan kineski model za otjelovljenu vještačku inteligenciju (embodied AI) uspio da se plasira na prvu poziciju ovog benčmarka, piše sajt Gizmochina, prenosi B92.
Zašto je RoboArena važna?
RoboArena je dizajnirana tako da mjeri koliko efikasno AI sistemi mogu da pretoče odluke u konkretne akcije robota u stvarnom svijetu. Za razliku od tradicionalnih AI tekstualnih testova koji su fokusirani na jezik ili logičko zaključivanje, RoboArena ocenjuje izvršavanje fizičkih zadataka.
To uključuje manipulaciju objektima, navigaciju, upotrebu alata, percepciju, planiranje i sposobnost prilagođavanja u potpuno nepoznatim okruženjima.
Ovaj benčmark je izuzetno cijenjen u industriji jer koristi randomizovana (nasumična) okruženja, scenarije sa ometajućim faktorima (adversarial testing) i stroge mere protiv ,,overfitinga” (preprilagođavanja modela), što kompanijama maksimalno otežava da optimizuju svoje sisteme isključivo za potrebe samog testa.
Trka se zahuktava
Ovaj rezultat jasno pokazuje da se konkurencija na polju AI sve više pomjera sa četbotova i velikih jezičkih modela (LLM) ka fizičkom AI. Ovi sistemi zapravo služe kao ,,mozak” za humanoidne robote, robotske ruke, autonomna vozila i platforme za industrijsku automatizaciju.
Uspjeh kompanije Spirit AI posmatra se kao dokaz da efikasan dizajn modela i visokokvalitetni podaci za trening mogu biti jednako važni kao i posjedovanje masivne računarske snage.
Preporučeno
Model ovog startapa je navodno pokazao sjajne performanse u rukovanju objektima, autonomnoj navigaciji, korišćenju kompleksnih alata i prilagođavanju novim situacijama uz minimalno fino podešavanje (fine-tuning).
