Verá modelos básicos para humanoides que utilizan continuamente una arquitectura de estilo Sistema 2 + Sistema 1 que en realidad está inspirada en la cognición humana. La mayoría de los modelos de visión-lenguaje-acción (VLA) actuales se construyen como sistemas multimodales centralizados que manejan la percepción, el lenguaje y la acción dentro de una sola red. La infraestructura de Codec es perfecta para esto, ya que trata a cada operador como un módulo aislado. Lo que significa que puede poner en marcha varios operadores en paralelo, cada uno ejecutando su propio modelo o tarea, mientras los mantiene encapsulados y coordinados a través de la misma arquitectura. Los robots y los humanoides en general suelen tener múltiples cerebros, donde un operador puede manejar el procesamiento de la visión, otro manejar el equilibrio, otro hacer la planificación de alto nivel, etc., que pueden coordinarse a través del sistema de Codec. El modelo básico de Nvidia, Issac GR00T N1, utiliza la arquitectura de dos módulos System 2 + System 1. El Sistema 2 es un modelo de lenguaje de visión (una versión de PaLM o similar, multimodal) que observa el mundo a través de las cámaras del robot y escucha instrucciones, luego hace un plan de alto nivel. El Sistema 1 es una política de transformadores de difusión que toma ese plan y lo convierte en movimientos continuos en tiempo real. Puedes pensar en el Sistema 2 como el cerebro deliberativo y el Sistema 1 como el controlador instintivo del cuerpo. El Sistema 2 podría generar algo como "muévase a la taza roja, agárrela y luego colóquela en el estante", y el Sistema 1 generará las trayectorias articulares detalladas para que las piernas y los brazos ejecuten cada paso sin problemas. El Sistema 1 se entrenó con toneladas de datos de trayectoria (incluidas demostraciones teleoperadas humanas y datos simulados de física) para dominar movimientos finos, mientras que el Sistema 2 se construyó en un transformador con preentrenamiento de Internet (para comprensión semántica). Esta separación de razonamiento versus actuación es muy poderosa para NVIDIA. Significa que GR00T puede manejar tareas de largo horizonte que requieren planificación (gracias al Sistema 2) y también reaccionar instantáneamente a las perturbaciones (gracias al Sistema 1). Si un robot lleva una bandeja y alguien empuja la bandeja, el Sistema 1 puede corregir el equilibrio inmediatamente en lugar de esperar a que el Sistema 2 más lento se dé cuenta. GR00T N1 fue uno de los primeros modelos de bases robóticas disponibles abiertamente, y rápidamente ganó terreno. Fuera de la caja, demostró habilidad en muchas tareas en simulación, podía agarrar y mover objetos con una mano o dos, elementos de mano entre sus manos y realizar tareas de varios pasos sin ninguna programación específica de tareas. Debido a que no estaba vinculado a una sola realización, los desarrolladores lo mostraron funcionando en diferentes robots con ajustes mínimos. Esto también es cierto para Helix (modelo de fundación de Figure) que utiliza este tipo de arquitectura. Helix permite que operen dos robots o múltiples habilidades, Codec podría habilitar un cerebro multiagente al ejecutar varios operadores que comparten información. Este diseño de "cápsula aislada" significa que cada componente puede ser especializado (al igual que el Sistema 1 frente al Sistema 2) e incluso desarrollado por diferentes equipos, pero pueden trabajar juntos. Es un enfoque único en el sentido de que Codec está construyendo la pila de software profunda para admitir esta inteligencia modular y distribuida, mientras que la mayoría de los demás solo se centran en el modelo de IA en sí. Codec también aprovecha grandes modelos preentrenados. Si está creando una aplicación de robot en él, puede conectar un modelo de base OpenVLA o Pi Zero como parte de su operador. El códec proporciona los conectores, fácil acceso a las fuentes de la cámara o las API del robot, por lo que no tiene que escribir el código de bajo nivel para obtener imágenes de la cámara de un robot o para enviar comandos de velocidad a sus motores. Todo está abstraído detrás de un SDK de alto nivel. Una de las razones por las que soy tan optimista sobre Codec es exactamente lo que describí anteriormente. No persiguen narrativas, la arquitectura está construida para ser el pegamento entre los modelos de base y admite sin fricciones sistemas multicerebrales, lo cual es fundamental para la complejidad humanoide. Debido a que estamos tan temprano en esta tendencia, vale la pena estudiar los diseños de los líderes de la industria y comprender por qué funcionan. La robótica es difícil de comprender dadas las capas de hardware y software, pero una vez que aprendes a desglosar cada sección pieza por pieza, se vuelve mucho más fácil de digerir. Puede parecer una pérdida de tiempo ahora, pero este es el mismo método que me dio una ventaja durante AI szn y por qué fui temprano en tantos proyectos. Vuélvete disciplinado y aprende qué componentes pueden coexistir y qué componentes no escalan. Pagará dividendos en los próximos meses. Deca Trillions ( $CODEC ) codificado.

Actualización de las cartas de mónada: ✅ 3.000 cuentas reclamadas 🫂 5.000 cuentas nominadas ⏰ Quedan 7 días para las nominaciones Ahora puede ver quién tiene nominaciones abiertas y los titulares de tarjetas pueden actualizar sus nominaciones no utilizadas. Consigue tu tarjeta aquí: