Сотрудничество исследователей из 33 академических лабораторий привело к созданию нового набора ресурсов для обучения универсальных роботов. В рамках этого проекта был представлен набор данных Open X-Embodiment и модель RT-1-X, направленные на совершенствование передачи навыков между различными типами роботов.
Традиционно роботы являются отличными специалистами, но слабыми универсалами, что требует создания отдельных моделей для каждой задачи, робота и среды. С использованием данных из 22 различных типов роботов, исследователи показали, что обучение одной модели на данных из множества разных embodiments приводит к значительному улучшению работы различных роботов по сравнению с моделями, обученными отдельно на их конкретных задачах.
Эксперименты с моделью RT-1-X, проведенные в пяти различных исследовательских лабораториях, показали в среднем 50% улучшение по сравнению с методами, разработанными независимо для каждого робота. Также было доказано, что модель RT-2, обученная на данных от разных embodiments, продемонстрировала утроенное улучшение в реальных навыках работы с роботами.
Создание набора данных Open X-Embodiment стало возможным благодаря сотрудничеству более чем 20 учреждений, собравших данные о более чем 500 навыках и 150 000 задачах, что делает его самым обширным набором данных для роботов на сегодняшний день. Открытость и доступность таких данных должны ускорить разработку новых технологий и повысить общие возможности роботов, что положительно скажется на дальнейшем развитии робототехники.