Reward AI представила политику OM-1 для управления роботами

Reward AI выпустила универсальную робополитику OM-1, которую, по заявлению компании, можно адаптировать к новой задаче менее чем за 30 минут записи движений человека. Одна и та же политика управляет и роборуками, и гуманоидами без телеоперации и предварительного сбора данных на реальной машине.

• Адаптация к новой задаче требует менее 30 минут данных о движениях человека
• Одна политика применяется к роборукам и гуманоидным роботам
• Телеоперация и предварительный сбор данных на реальной машине не нужны
• Обучение идёт единым одностадийным процессом с дообучением через RL