真勇啊!00后团队参加具身挑战赛,仅48小时竟敢从零手搓数据,还夺冠了!
对于希望打造跨本体通用大脑的蚂蚁灵波而言,吸引外部开发者参与适配,是一件值得持续投入的事情。
以下正文同步自 量子位,版权归原站所有,已转换为易读排版。
对于希望打造跨本体通用大脑的蚂蚁灵波而言,吸引外部开发者参与适配,是一件值得持续投入的事情。
因为模型团队很难亲自覆盖所有硬件和任务,而外部开发者可以将模型应用到不同场景中,发现新的问题,并开发相应的适配工具,从而帮助模型不断拓展能力边界。
如果这些经验能够被整理和复用,其他人进入相似场景时,就有机会减少重复摸索。开发者反馈的问题,也能帮助蚂蚁灵波判断哪些能力需要优先改进。
也正因如此,蚂蚁灵波在现场发布了蚂蚁灵波开发者生态计划,希望为这类协作提供长期支持。
计划首期将邀请20位MVP,主要面向高校教师和科研人员;同时招募40位Developer Expert,面向核心开发者及技术内容创作者。
两类伙伴将围绕不同方向参与共建:高校教师和科研人员可以将模型实践沉淀为课程、实验案例和研究成果,工程开发者则可以贡献Demo、开源工程、评测脚本和教程,帮助更多人把模型真正应用起来。
为支持伙伴持续产出,蚂蚁灵波也将提供相应的资源与激励。面向MVP,优质课程研发可获得现金激励,并享有研发交流、合作对接等机会;面向Developer Expert,则提供产品优先内测、研发交流及作品推广等支持。
至于这些安排最终能否真正发挥作用,还要看开发者用起来是否顺手、遇到问题时能否得到回应。
课程不应当只是把实验步骤列出来,更要让学生能够独立完成;教程也不能只讲怎么做,还应说明适用条件,以及失败后该从哪里排查。
开发者向研发团队反馈的问题,若能被持续跟进并落实到后续改进中,前面的投入才算真正形成了闭环。
而具身智能尤其需要这样的积累,同一次抓取失败,可能与模型有关,也可能出在数据、标定或机械臂状态上。前一个团队若能留下排查过程,后一个团队就能少走几段弯路。
从企业的角度看,这些积累也有更长远的价值。开发者越容易上手,模型就越有机会进入新项目;项目中的问题得到解决,又能为后续部署留下可复用的工具和方法。开源模型的竞争,也会沿着这条路径,延伸到开发支持和实际应用。
正如沈宇军所说,今年围绕机器人做二次开发的项目正在增加,一些团队开始用硬件、模型和算法的组合解决具体任务。在他看来,硬件成本和模型使用门槛继续降低,将为解决方案商和二次开发团队提供更多空间。开发者能否把这些任务做成生意,也就成了观察生态价值的另一个角度。
同样的道理,首届挑战赛冠军团队TARS这次直接从零手搓数据的故事,也是有一部分经验可以被积累:他们为什么决定换抓法,怎样采到稳定的示范,这些经验可以继续被验证。以及EVA的数据回流流程、SST倒放视频的标注办法,也可以成为其他团队的参考。
总而言之,这场比赛虽然已经用48小时选出了冠军,但对于蚂蚁灵波来说,下一场考验,是让后来者少花多少个48小时。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。