Osegi
KI·2 Min. Lesezeit

NC AI stellt kompaktes Bildmodell für Physical AI und Roboter vor

NC AI meldet, dass sein Modell Vacky Vision 3B mit nur 3 Milliarden Parametern bei drei Robotik-Benchmarks sechs globale offene Modelle übertrifft.

An industrial welding robot arm with camera sensors working on a steel structure in a shipyard.
Bild: zdnet.co.kr
SUMODialoediviewer

NC AI hat ein schlankes Vision-Language-Modell entwickelt, das nach Angaben des Unternehmens trotz geringer Größe sechs globale offene Modelle beim räumlichen Verständnis übertrifft. Das Modell „Vacky Vision 3B“ hat rund 3 Milliarden Parameter und erreichte in drei Benchmarks zu Robotik und Raumverständnis im Schnitt 63,8 Punkte, wie das Unternehmen am 3. November mitteilte.

Vision-Language-Modelle erkennen Objekte und Räume in Bildern und Videos und deuten sie. Damit ein Roboter Anweisungen ausführen kann, muss er wissen, wo Gegenstände liegen, wie sie sich bewegen und wie die Arbeitsumgebung aussieht. NC AI setzte auf ein kleines Modell, weil Roboter und Produktionsanlagen nur begrenzte Energie- und Rechenressourcen haben und große Modelle kaum direkt laufen lassen können.

Benchmark-Ergebnisse

Getestet wurde mit BLINK, ERIQ und ERQA. Im Standardmodus ohne ausführliche Zwischenschritte lag Vacky Vision 3B vor sechs offenen Modellen mit 2 bis 8 Milliarden Parametern, darunter Alibabas Qwen und Modelle der Mistral-Familie. Im schrittweisen Reasoning-Modus kam es auf 63,2 Punkte, 14,8 mehr als die 48,4 von Ministral 3 8B Reasoning. Das Unternehmen betont, die Werte gälten für bestimmte Testbedingungen und bedeuteten keine Überlegenheit bei allen Aufgaben.

Bei ChartQA und TextVQA erzielte das Modell die höchsten Werte im Vergleichsfeld. NC AI will das für das Auslesen von Anzeigen, Zeichnungen und Arbeitsanweisungen nutzen. Aus Videos verarbeitet es acht Einzelbilder eines viersekündigen Clips, um Bewegungen und Positionswechsel zu erfassen.

Schweißvariante und Industriepläne

Zusätzlich trainierte NC AI die Schweißvariante „Vacky Vision 3B Weld“. In eigenen Tests stieg die Genauigkeit der Schweißklassifikation von 41,1 auf 80,9, die Fehlererkennung und Zustandsbewertung von 39,3 auf 69,8 und die Erkennung von Lage und Form der Naht von 5,3 auf 72,5. Es handelt sich um Benchmark-Werte, nicht um Tests an echten Produktionslinien.

Das Unternehmen gibt an, Vortraining und zweistufiges Feintuning auf eigener Infrastruktur aufgebaut zu haben. Mit Hanwha Ocean entwickelt es KI für autonome Schweißroboter, mit POSCO DX testet es humanoide Roboter, mit Hyundai Rotem baut es ein Weltmodell auf.

Geplant sind zusätzliches Reinforcement Learning, der Einsatz als Wahrnehmungsmodul in Robotern und Anlagen sowie die Erweiterung zu einem Vision-Language-Action-Modell, das auch Handlungen festlegt. CEO Lee Yeon-soo nannte leistungsstarke, schlanke Modelle unverzichtbar für Echtzeit-Einsätze von Physical AI.

Apps, die sich lohnen

SUMO: das Zahlenrätsel

Tippe die richtigen Felder, addiere, triff das Ziel. Leicht zu lernen, schwer zu meistern. Kostenlos, für jedes Alter.

Schlagwörter:nc aiphysical aivision-language modelroboticsweldingbenchmark

Mehr von diesem Tag

Alle anzeigen →

Mehr aus: KI

Alle anzeigen →