InternVLA-N1 - 上海AIラボオープンソースエンドツーエンドデュアルシステムナビゲーション大型モデル

1.6K 00

InternVLA-N1とは？

InternVLA-N1は、上海人工知能研究所によるオープンソースのエンドツーエンド・デュアルシステム・ナビゲーション・マクロモデルである。デュアルシステムアーキテクチャを採用し、システム2が言語コマンドの理解と長距離経路のプランニングを担当し、システム1は高周波応答と機敏な障害物回避に重点を置いている。モデルはすべて合成データに基づいて学習され、大規模なデジタルシーン資産と膨大なマルチモーダルコーパスによって、費用対効果の高い学習プロセスが実現されている。いくつかの主要なベンチマークテストにおいて、InternVLA-N1は良好なパフォーマンスを示し、国際的にトップレベルのスコアを獲得し、強力なゼロサンプル汎化能力を実証した。InternVLA-N1は、実際のシナリオにおいて、建物を横切る長距離をコマンド通りに歩行し、密集した障害物を俊敏に回避することができる。

InternVLA-N1の機能的特徴

デュアル・システム・コ・ナビゲーションシステム2の長距離空間推論とシステム1の高周波障害物回避能力を組み合わせることで、効率的で安定したナビゲーションを実現する。
純粋合成データトレーニング優れたパフォーマンスを維持しながら、データ取得コストを劇的に削減。
ゼロ標本の汎化能力実世界のシナリオデータを追加することなく、新しい環境に素早く適応し、正確にナビゲーションタスクを実行します。
高周波レスポンスと俊敏な障害物回避システム1は60Hzで環境変化に対応し、複雑なシナリオでも柔軟な障害物回避を可能にする。
マルチモーダルインタラクション自然でスムーズなヒューマン・コンピュータ・インタラクションのために、言語によるコマンド入力と視覚的な環境認識をサポートします。
クロスシナリオの汎用性屋内、屋外、ビル間など、さまざまな複雑なシーンに幅広く対応。
オープンソースとスケーラビリティ開発者による二次開発やアプリケーションの拡張を容易にするために、オープンソースのコードとモデルが提供されています。

インターンVLA-N1の主な利点

効率的なナビゲーション機能長距離プランニングと高周波障害物回避の有機的な組み合わせは、デュアルシステムの相乗的な働きによって実現され、航行効率と安定性を大幅に向上させる。
データに基づく低コストのトレーニングトレーニングはすべて合成データに基づいて行われるため、大量の実データを収集する必要がなく、トレーニングのコストと時間を大幅に削減できます。
強力な一般化能力合成データのみを用いて訓練した場合でも、ゼロサンプル汎化が可能であり、実環境において優れた性能を発揮します。
高周波レスポンスと俊敏な障害物回避システム1は60Hzの周波数で環境の変化に反応し、複雑なシーンでの障害物回避やダイナミックな環境への適応を柔軟に行う。
マルチモーダルインタラクションのサポート言語によるコマンド入力と視覚的な環境認識をサポートし、自然でスムーズなヒューマンコンピュータインタラクションを実現し、ユーザーエクスペリエンスを向上させます。
幅広い適用範囲屋内、屋外、ビル間など、さまざまな複雑なシーンで高い汎用性を発揮します。

InternVLA-N1の公式ウェブサイトは？

プロジェクトのウェブサイト:: https://internrobotics.github.io/internvla-n1.github.io/
GitHubリポジトリ:: https://github.com/InternRobotics/InternNav
ハグ顔モデルライブラリー:: https://huggingface.co/InternRobotics/InternVLA-N1
技術論文:: https://internrobotics.github.io/internvla-n1.github.io/static/pdfs/InternVLA_N1.pdf