Josef Chen เปิดตัว RoboJev โมเดล AI ขนาด 27B ตัวพารามิเตอร์ ช่วยประเมินข้อมูลหุ่นยนต์ได้เร็วกว่าการสร้างข้อมูลเอง 28 เท่า และประหยัดต้นทุน 48 เท่าเมื่อเทียบกับ GPT-6 Astra โมเดลนี้ใช้เวทที่เปิดให้ใช้งาน (Apache-2.0) พร้อมตัวอย่างการประเมินที่ใช้ข้อมูลจาก LeRobot บน Hugging Face ใช้เวลา GPU แค่ $13.16 แทนค่าบริการ GPT-6 Astra ที่ $637 ตัวอย่างการใช้งานแสดงให้เห็นว่า RoboJev สามารถให้คะแนนการเคลื่อนไหวของหุ่นยนต์ได้ทันที เช่น ให้คะแนน 1.00 เมื่อวงแหวนตกลงไป หรือลดคะแนนเหลือ 0.04 เมื่อวงแหวนหลุดจากตะปู โมเดลนี้ถูกฝึกด้วยเทคนิค LoRA บนข้อมูล 52,598 ชุด พร้อมให้ใช้งานทั้งเวทที่เปิด ตัวอย่างข้อมูลประเมิน ปลั๊กอิน LeRobot และอินเทอร์เฟซที่แสดงผลแบบเรียลไทม์ ผู้ใช้สามารถทดลองใช้งานได้ทันทีผ่าน Hugging Face โดยไม่ต้องตั้งค่าซับซ้อน RoboJev สะท้อนความสำคัญของ AI ที่ช่วยลดขั้นตอนการวิเคราะห์ข้อมูลหุ่นยนต์ที่เคยต้องใช้แรงงานมนุษย์จำนวนมาก ด้วยการใช้เวทที่เปิด ผู้พัฒนาสามารถปรับปรุงและฝึกโมเดลได้โดยไม่ต้องพึ่งพาผู้ให้บริการหลัก
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว