OpenRoboto

OpenRoboto s'attaque au problème fondamental de la robotique : alors que les corps robotiques (hardware) sont de plus en plus sophistiqués, leurs cerveaux (IA) restent sous-développés par manque de données d'entraînement pertinentes sur l'interaction physique.

Ce Subnet crée un marché d'incitation pour le perfectionnement continu de modèles de fondation pour la robotique.

Les points techniques clés :

• Entraînement Compétitif : Les Miners reçoivent un modèle de base (un VLA - Vision-Language-Action model) et utilisent des ensembles de données pour effectuer un post-entraînement (post-training). Ils soumettent ensuite leurs modèles améliorés sous forme de checkpoints.

• Validation Basée sur la Performance : Les Validators évaluent les modèles soumis en les testant sur des benchmarks de robotique standardisés comme Libero-Pro. Le score est basé sur le taux de réussite des tâches dans un environnement de simulation.

• Mécanisme "Roi de la Colline" : Le Subnet utilise une structure où le Miner produisant le meilleur modèle devient le "roi" et capture la majorité des émissions, encourageant une optimisation rapide et constante jusqu'à ce qu'un nouveau champion le détrône.

• Vision "Sim-to-Real" : L'objectif à long terme est d'intégrer des robots physiques dans la boucle de validation pour surmonter le défi du transfert des compétences de la simulation vers le monde réel (sim-to-real gap).

En fin de compte, OpenRoboto vise à produire un modèle de fondation open-source et hautement performant qui pourra être utilisé par les développeurs et les entreprises pour équiper la prochaine génération de robots intelligents.