现实世界的数据是模拟与物理智能之间的缺失环节。 通过Lemorele P300 (R)，Robora正在弥补这一差距，使每个用户都成为具身AI进化的贡献者。 它能够从任何相机实时捕捉高清晰度视频，无论是安装在机器人原型、无人机上，还是手持相机。该视觉数据通过无线方式无损传输到连接的设备（平板电脑、手机或PC），该设备运行Robora VLA界面或数据捕捉应用程序。然后，该设备将这些数据流或上传直接到Robora的云端或本地VLA处理节点。 通过从多样化的环境和使用案例中收集数据，Robora获得了在现实世界感官信息上训练和微调其模型的基础，超越了纯模拟数据。 这种方法是缩小模拟与现实之间差距的关键，即在模拟中训练的机器人与在复杂物理环境中操作的机器人之间的性能差异。

Robora Sim：一个基于PyBullet的机器人物理智能学习环境 我们目前正在构建我们的Robora仿真环境设置，以支持基于仿真的学习，利用PyBullet，这是一个在AI驱动的机器人研究和开发中广泛使用的行业标准物理引擎。该环境经过优化，采用GPU加速学习算法，使得在安全和受控的虚拟环境中实现高速模仿学习和强化学习成为可能，然后再部署到现实世界中。 这个仿真平台允许我们的模型在不同的机器人形态、地形类型和任务目标之间学习、适应和概括——所有这些都在部署到现实世界之前完成。 在其核心，系统结合了一个基于VLA的高层次规划器和低层次运动控制算法，协同工作以产生新兴的、具有物理智能的行为。仿真、学习和现实世界转移之间的这种协同作用标志着我们在追求自适应和智能机器人系统方面迈出了重要一步。 通过先进的领域随机化和合成数据生成，Robora仿真环境确保在仿真中训练的策略能够有效转移到现实世界的机器人上，最小化仿真到现实的差距。 此外，用户将能够在Robora Dapp中测试和集成他们自己的硬件套件于选定的仿真环境中，确保无缝兼容和更安全的现实世界实施。

本周在Robora，我们主要专注于开发。我们的工作集中在改善支持平台的核心工具，从管理模型和微调能力到3D映射和计算机视觉。我们还通过加入新的现实世界AI倡议来扩展我们的网络，并继续致力于将研究与实际机器人应用相结合。以下是关键更新： - 发布了Robora开发更新，分享了平台的进展：增加了与Hugging Face集成的模型权重管理，为开发者构建了早期CLI工具，制定了微调SDK的计划，包含模仿学习和RLHF在PyBullet中的应用，并开始了3D映射SDK的工作，以生成现实世界环境。 - Robora加入了现实世界AI铸造厂，这是一个由@iotex_io主导的全球倡议，合作伙伴包括Vodafone、Filecoin和Theta。这一合作有助于创建现实世界AI的开放标准和框架，并支持我们将物理系统与智能代理连接的使命。 - 发布了我们的九月月度回顾，突出了最新的开发更新，并提供了平台未来发展的概述。 - 宣布我们与大学在Robora视觉模块上的合作接近完成。这个开源计算机视觉系统使机器人能够实时看到和理解世界，并将很快与贡献的研究人员和合作伙伴一起展示。