現實世界數據是模擬與物理智能之間的缺失環節。 通過 Lemorele P300 (R)，Robora 正在縮小這一差距，讓每位用戶都成為具身 AI 演進的貢獻者。 它能夠從任何相機實時捕捉高清視頻，無論是安裝在機器人原型、無人機還是手持相機上。這個視覺數據無線且無損地傳輸到連接的設備（平板電腦、手機或 PC），該設備運行 Robora VLA 界面或數據捕捉應用程序。然後，該設備將這些數據流或上傳到 Robora 的雲端或本地 VLA 處理節點。 通過從多樣的環境和使用案例中收集數據，Robora 獲得了在現實世界感知信息上訓練和微調其模型的基礎，超越純粹的模擬數據。 這種方法是縮小模擬與現實之間差距的關鍵，即在模擬中訓練的機器人與在複雜物理環境中運行的機器人之間的性能差異。

Robora Sim：一個基於 PyBullet 的學習機器人物理智能的環境 我們目前正在建立我們的 Robora 模擬環境設置，以進行基於模擬的學習，利用 PyBullet，這是一個在 AI 驅動的機器人研究和開發中廣泛使用的行業標準物理引擎。該環境經過優化，配備 GPU 加速的學習算法，使得在安全和受控的虛擬設置中進行高速模仿學習和強化學習成為可能，然後再運送到現實世界。 這個模擬平台允許我們的模型在不同的機器人形態、地形類型和任務目標之間學習、適應和概括——所有這些都在部署到現實世界之前。 在其核心，該系統結合了 VLA 驅動的高級規劃器和低級運動控制算法，協同工作以產生新興的、具有物理智能的行為。模擬、學習和現實世界轉移之間的這種協同作用標誌著我們在追求自適應和智能機器人系統方面邁出了重要的一步。 通過先進的領域隨機化和合成數據生成，Robora 模擬環境確保在模擬中訓練的策略能有效轉移到現實世界的機器人，最小化模擬到現實的差距。 此外，用戶將能夠在 Robora Dapp 中的選定模擬環境中測試和整合他們自己的硬體套件，確保無縫兼容和更安全的現實世界實施。

本週在 Robora，我們主要專注於開發。我們的工作集中在改善驅動平台的核心工具，從管理模型和微調能力到 3D 地圖和計算機視覺。我們還通過加入新的現實世界 AI 項目來擴展我們的網絡，並持續致力於將研究與實際機器人應用相連接。以下是主要更新： - 發布了 Robora 開發更新，分享了平台的進展：增加了與 Hugging Face 集成的模型權重管理，為開發者建立了一個早期的 CLI 工具，制定了微調 SDK 的計劃，包含模仿學習和 RLHF 在 PyBullet 中，並開始著手開發 3D 地圖 SDK，以生成現實世界環境。 - Robora 加入了現實世界 AI 鑄造廠，這是一個由 @iotex_io 領導的全球倡議，合作夥伴包括 Vodafone、Filecoin 和 Theta。這一合作有助於創建現實世界 AI 的開放標準和框架，並支持我們將物理系統與智能代理連接的使命。 - 發布了我們的九月月度回顧，突出了最新的開發更新，並提供了平台未來發展方向的概述。 - 宣布我們與大學在 Robora 視覺模組上的合作即將完成。這個開源計算機視覺系統使機器人能夠實時看見和理解世界，並將很快與貢獻的研究人員和合作夥伴一起展示。