@rohanpaul_ai: 来自@perceptroninc的出色开源机器人基础模型发布。Isaac 0.5将遥操作需求降低了210倍…

X AI KOLs Following 模型
robotics foundation-model open-source mixture-of-experts fine-tuning embodied-ai robot-control

摘要

Perceptron Inc.发布了Isaac 0.5，这是一个开源的36B参数机器人基础模型，通过无动作视频扩展将遥操作需求降低了210倍，实现了高效的机器人控制微调。

来自@perceptroninc的出色开源机器人基础模型发布。 Isaac 0.5通过无动作视频扩展将遥操作需求降低了210倍。 在机器人领域，最昂贵的部分仍然是收集机器人数据，而这个模型直击这一问题。 Isaac 0.5只是一个36B参数的稀疏模型，它能接收摄像头图像/视频、人类指令、机器人的当前状态，然后输出诸如物体位置、任务进度、视觉推理或机器人的下一步动作等信息。 因此，如果你有一个机器人臂，你可以使用Isaac 0.5，在来自该臂的演示数据上进行微调，并使用生成的策略来控制机器人。同一个底层模型也可以仅用于感知，将其视觉理解输入到另一个规划器或控制器中。 Perceptron报告称，其单次演示适应速度更快：一个国际象棋回合将留出动作损失降低了7.0倍至10.5倍，而π0.5则为2.3倍至3.1倍。
查看原文
查看缓存全文

缓存时间: 2026/08/26 19:17

@perceptroninc 推出了卓越的开源机器人基础模型。

Isaac 0.5 通过扩展无动作视频，将远程操作需求降低了210倍。

机器人领域最昂贵的部分仍是收集机器人数据，而这个模型正是为了解决这一难题。

Isaac 0.5 仅是一个拥有360亿参数的稀疏模型，能够接收摄像头图像/视频、人类指令以及机器人当前状态，然后输出诸如物体位置、任务进度、视觉推理或机器人下一步动作等信息。

因此，如果您拥有机械臂，可以使用Isaac 0.5，基于该机械臂的演示数据进行微调，并利用生成的策略控制机器人。同一底层模型也可仅用于感知，将其视觉理解输入其他规划器或控制器。

Perceptron报告称其单次演示适应速度更快：单局棋类任务将未见动作损失降低了7.0倍至10.5倍，而π0.5仅实现2.3倍至3.1倍的降低。

Perceptron AI (@perceptroninc)： 今天我们发布Isaac 0.5：360亿参数动态混合专家模型，开源权重🤗具身基础模型。

Isaac 将多模态视频理解、具身推理与机器人控制融合于单一稀疏主干网络。

相似文章

@xiaohu: 这个牛P 解决了教机器人学习人类动作太费钱、太慢的问题 以往教机械臂抓东西，需要人工拿着手柄远程遥控（遥操作）成千上万个小时，成本极高。 Isaac让机器人看海量网上的普通视频就能学会技能 以往教机械臂抓东西，需要人工拿着手柄远程遥控（遥…

X AI KOLs Timeline

Isaac 0.5 是一个开源的AI模型，通过观看海量视频来教机器人学习动作，大幅降低了训练成本，效率提升210倍，并采用MoE架构。

LeRobot v0.5.0：全面扩展

Hugging Face Blog

LeRobot v0.5.0 是一个重大版本，支持 Unitree G1 人形机器人、新的策略架构（Pi0-FAST VLAs、实时分块）、用于提升 3 倍训练速度的流式视频编码，以及用于从 Hugging Face Hub 加载仿真环境的 EnvHub。

前Meta科学家希望将视觉AI引入工厂车间

TechCrunch AI

Perceptron，一家由前Meta科学家创立的初创公司，推出了Isaac 0.5，这是一个开放权重的视觉AI模型，旨在帮助机器人在仓库和工厂等工业环境中感知、推理和行动。