Topluluk Verileriyle Eğitilen Hafif Yapay Zeka Modeli SmolVLA, Tüketici Donanımında Çalışıyor
Kaynak: huggingface.co ·
Araştırmacılar, tüketici sınıfı donanımlarda çalışabilen ve topluluk tarafından paylaşılan verilerle eğitilen açık kaynaklı hafif bir görme-dil-eylem modeli olan SmolVLA'yı tanıttı. Model, geleneksel modellere kıyasla daha az parametreye sahip olmasına rağmen simülasyon ve gerçek dünya görevlerinde büyük modellerin performansını yakalıyor. Ayrıca geliştirilen eşzamansız çıkarım yığını sayesinde robotlar hareket halindeyken tepki verebiliyor. Bu mimari, eğitim ve çıkarım maliyetlerini önemli ölçüde düşürerek robotik alanında araştırmaların önündeki engelleri azaltmayı hedefliyor.
Neden önemli?
Daha önceki görme-dil-eylem modelleri genellikle devasa parametre boyutlarına, yüksek donanım maliyetlerine ve özel veri setlerine bağımlıydı; bu durum bağımsız araştırmacılar için büyük bir bariyer oluşturuyordu. 450 milyon parametreli bu kompakt model, tüketici tipi grafik kartlarında hatta işlemciler üzerinde çalışabilmesi ve topluluk verileriyle eğitilebilmesi sayesinde robotik araştırmalarını ve gerçek dünya uygulamalarını demokratikleştiriyor.
Bununla neler yapılabilir?
- Olası kullanım: Kullanıcılar kendi veri setlerini kullanarak önceden eğitilmiş modeli ince ayar aşamasından geçirebilirler.
- Olası kullanım: Model, SO-100 ve SO-101 gibi uygun maliyetli açık kaynaklı robot donanımları üzerinde test edilip dağıtılabilir.
- Olası kullanım: Eşzamansız çıkarım yığını entegre edilerek robotların nesne değişimleri veya dış müdahaleler karşısında daha hızlı ve akıcı tepki vermesi sağlanabilir.
Somut sonuçlar ve kanıtlar
- Topluluk veri setleriyle ön eğitim yapılması SO100 üzerindeki başarı oranını yüzde 51.7'den yüzde 78.3'e çıkararak yüzde 26.6 mutlak iyileşme sağlamıştır. (Üreticinin açıklaması)
- Eşzamansız çıkarım modu, görevlerin yaklaşık yüzde 30 daha hızlı tamamlanmasını (9.7 saniye yerine 13.75 saniye) ve sabit süreli ayarlarda 2 kat daha fazla görev tamamlanmasını (9 küp yerine 19 küp) sağlamaktadır. (Üreticinin açıklaması)
Sınırlar ve açık kalan sorular
Model sıfırdan çapraz gövde transferlerinde sıfır başarı gibi zorluklarla karşılaşabilmektedir; örneğin RoboGate tarafsız kıyaslama testinde Franka Panda kolu ile sıfır başarı oranı elde edilmiştir. Ayrıca verilerin kalitesi ve çeşitliliği doğrudan performansı etkilemektedir.