国君产业研究|人形机器人产业热点:合成数据

AI机器人技术发展落后于ChatGPT的关键原因之一，是缺乏足够的数据对模型进行训练。与互联网AI以静态大数据驱动不同，AI机器人是以机器人与环境交互为核心，关注从机器人身体出发的感知和交互，基于从环境交互中获得的数据进行学习，进行任务拆解，并执行物理任务。因此，机器人的AI化涵盖了三个层面的任务：环境感知（了解环境和需求）、任务规划（任务拆解、路径规划）、硬件驱动执行（机器人的平衡和实时精准的运动控制）。机器人与环境交互的数据资源有限（不同行业、不同场景，数据不同），收集数据极为昂贵且耗时，是机器人AI化的主要瓶颈。 真实场景的数据收集昂贵且耗时，合成数据成为“扩大机器人学习的强大且经济”的有效途径。训练数据的采集方式主要包括真实数据和合成数据。Google等机器人团队提出了RT-1（RoboticsTransformer）多任务模型，为了训练该模型，Google耗时17个月仅收集到7000多个任务的13万条真实机器人数据。生成系统可以基于少量数据，自动生成大规模的丰富数据集，并且这些数据集横跨多个场景、对象实力、机械臂，还能用于长时程或高精度任务。英伟达与UT提出的MimicGen数据生成系统，用了不到200个人类演示，实现了在18个任务、多个模拟环境，甚至是现实世界中，自主生成5万个训练数据。 合成数据大力推动机器人AI化进程，进一步提升合成数据质量，匹配强大的算力支持是关键。合成数据集助力机器人从图像-文本模型（VLM）阶段向图像-文本-动作模型（VLA）阶段迈进。相比于VLM模型，VLA把机器人动作数据也作为一种模态融入大模型算法，可以用单个模型完成感知、决策、控制全流程计算，机器人可以实现端到端的解决方案，决策与控制的衔接更流畅，更具逻辑性。要实现VLA有效应用，需要缩小合成数据与真实数据之间的差距，保证质量与真实数据相匹配，准确模拟复杂的现实世界动态，提高数据的真实性和适用性。合成数据可能继承或放大源数据中的偏见，确保合成数据的公平性和无偏见也是一个重要挑战，特别是在敏感领域如医疗和法律。同时，合成数据的生成和处理需要大量的计算资源，深度神经网络的计算需求巨大，需要强大的算力硬件支持。 英伟达致力于推动基于合成数据训练AI。NVIDIAOmniverse是用于3D工作流程的虚拟世界模拟和协作的开发者平台：2021年NVIDIA发布OmniverseReplicator合成数据生成引擎，旨在生成高质量、高性能且安全的数据集；2023年，英伟达更新OmniverseReplicator，引入了基于YAML的低代码配置器，使AI开发者更容易生成合成数据。Replicator已集成到NVIDIAIsaacSim机器人和NVIDIADRIVESim。在ROSCon2023上，NVIDIA宣布对NVIDIAIsaac机器人平台进行重大更新，以简化基于AI的高性能机器人应用的构建和测试。在CES2024上，NVIDIA机器人技术与边缘计算副总裁DeepuTalla介绍了生成式AI与机器人技术的融合，通过NVIDIAIsaac平台，生成式AI高效助力智能机器人从概念验证到实际部署的速度。 海外其他合成数据生成平台还有：Datagen、ParallelDomain、AI.Reverie、SynthesisAI、Hazy、K2View、Datomize、Tonic.ai、Mostly.AI、Sogeti、Synthesized.io、YData、MDClone、Facteus、Anyverse、CVEDIA、Neurolabs、Rendered.AI、Gretel.ai等。 风险提示：1）新技术出现；2）投资过度。 文章来源 本文摘自：2024年1月14日发布的《人形机器人产业热点：合成数据》肖群稀，资格证书编号：S0880522120001 鲍雁辛，资格证书编号：S0880513070005 更多国君研究和服务 亦可联系对口销售获取 重要提醒 本订阅号所载内容仅面向国泰君安证券研究服务签约客户。因本资料暂时无法设置访问限制，根据《证券期货投资者适当性管理办法》的要求，若您并非国泰君安证券研究服务签约客户，为保证服务质量、控制投资风险，还请取消关注，请勿订阅、接收或使用本订阅号中的任何信息。我们对由此给您造成的不便表示诚挚歉意，非常感谢您的理解与配合！如有任何疑问，敬请按照文末联系方式与我们联系。 法律声明