RoboTok و تبدیل ویدیوهای اینترنتی به پایگاهی قابل جستوجو برای آموزش رباتها
RoboTok با استخراج مسیر سهبعدی حرکت دست از ویدیوهای اینترنتی، آنها را به کتابخانهای قابل جستوجو برای آموزش مهارتهای رباتیک تبدیل میکند.
تهیهشده با کمک هوش مصنوعی از منابع ذکرشده

یادگیری رباتیک با یک چالش مهم در زمینه داده روبهرو است: برای آموزش هر مهارت جدید، معمولاً باید دادههای بیشتری جمعآوری شود؛ فرایندی که هزینهبر است. RoboTok برای کاهش این وابستگی، از ویدیوهای موجود در اینترنت بهعنوان منبعی قابل جستوجو از حرکات و رفتارهای دست انسان استفاده میکند.
در این روش، ویدیوها نه براساس ظاهر تصویر یا کپشن، بلکه بر پایه مسیر سهبعدی حرکت دست مقایسه میشوند. RoboTok با استخراج این مسیرها، ویدیوهایی را پیدا میکند که از نظر نوع حرکت به یکدیگر شبیهاند.
این رویکرد میتواند تأثیر تفاوتهایی مانند زاویه دوربین، محیط، افراد مختلف و حتی پوشیدهشدن دستها را بر جستوجوی ویدیوهای مرتبط کاهش دهد. ایده اصلی این است که ویدیوهای اینترنتی فقط منبعی آموزشی و عمومی نباشند، بلکه به یک پایگاه داده قابل جستوجو برای آموزش مهارتهای رباتیک تبدیل شوند.
براساس یادداشت خبرنگار، مقاله و کد این پروژه در صفحه مقاله RoboTok در Hugging Face به نشانی huggingface.co/papers/2609.03199 معرفی شده است. پیام اصلی این پژوهش آن است که برای هر مهارت رباتیک، لزوماً نیازی نیست همه دادهها از ابتدا با خود ربات ضبط شوند.
منبع: گزارش رسیده از یک منبع خبری
مطالب مرتبط
برای ادامه مطالعه
این یادداشتها بر اساس موضوع مشترک، همپوشانی برچسبها و تازگی انتشار انتخاب میشوند.

Live Dictation چتجیپیتی، صدا را همزمان به متن تبدیل میکند
با Live Dictation، متن همزمان با صحبتکردن ظاهر میشود و نیازی نیست تا پایان ضبط صبر کنید. محدودیت ۱۰ دقیقهای ضبط هم حذف شده است.


دیدگاهها
اولین نفری باش که دیدگاه میذاره
دیدگاهها پس از بررسی منتشر میشوند. ایمیل شما نمایش داده نمیشود.