Maum AI: model PonderPounce-WM osiąga 67,42% w RoboMME

Południowokoreańska firma Maum AI poinformowała 1 listopada, że połączyła swój robotyczny model bazowy z tzw. modelem świata, który przewiduje przyszłe stany otoczenia. Nowy model PonderPounce-WM uzyskał w samodzielnej ocenie opartej na globalnym benchmarku RoboMME skuteczność 67,42%, czyli najlepszy dotychczasowy wynik firmy.

Model opracował zespół badawczy WoRV. Poprzednia wersja, PonderPounce, w e wrześniu osiągnęła w RoboMME 60,83% i według firmy wyprzedziła m.in. model Pi 0.5 amerykańskiego Physical Intelligence oraz model oparty na Qwen-VL z Alibaby. Nowa wersja poprawiła wynik o 6,59 punktu procentowego w ciągu kilku tygodni.

Przewidywanie 0,5, 1 i 2 sekundy naprzód

Dotychczasowy model wybierał kolejne działanie na podstawie bieżącej sytuacji i informacji o wcześniejszych krokach. Nowy dodatkowo przewiduje, jak otoczenie zmieni się 0,5, 1 i 2 sekundy po wykonaniu ruchu. Firma celuje w złożone zadania wymagające pamiętania kontekstu, np. chwytanie przedmiotu, którego położenie zapamiętano przed zasłonięciem, albo przeniesienie określonej liczby rzeczy i zatrzymanie się.

Aby obliczenia nie opóźniały ruchów robota, zastosowano odchudzoną architekturę: zamiast generować wideo całej przyszłej sceny, model przewiduje tylko kluczowe cechy wizualne potrzebne do decyzji.

W ocenie sterowania asynchronicznego w czasie rzeczywistym na fizycznym robocie model uzyskał 67,44%. Według firmy utrzymał więc wysoką skuteczność, gdy percepcja, decyzje i działanie odbywają się jednocześnie.

Cel: poziom człowieka do końca roku

Maum AI chce do końca roku dobić w RoboMME do wyniku ludzkiego, wynoszącego 90,50%. Równolegle prowadzi testy w przemyśle: w produkcji, logistyce, rolnictwie, budownictwie i obronności. Konkretne wyniki wdrożeń firma zamierza przedstawić pod koniec roku. Prace wsparł program „Wiodące technologie Physical AI” koreańskiego ministerstwa nauki i ICT.

CEO ds. technologii Choi Hong-seop zapewnił, że po dodaniu zdolności „wyobrażania sobie” przyszłości wydajność robota wzrosła, i dodał, że zespół nadal rozwija model, by osiągnąć poziom człowieka w tym benchmarku.