Decart Meluncurkan Oasis 3: Model Dunia Realistik dan Tingkat Lambatan Rendah untuk Pelatihan Robotika
Laboratorium riset AI terdepan Decart telah memperkenalkan Oasis 3, sebuah model dunia yang dirancang untuk menutup kesenjangan antara simulasi sintetis dan penerapan AI di dunia nyata.
Mesin output video yang diungkapkan bulan ini mempercepat pelatihan sistem kontrol robot dan kendaraan otonom, sehingga mereka dapat berkembang di tengah kondisi dunia nyata yang tidak terduga.
Pengembang robotika menghadapi kekurangan data berkualitas tinggi yang diperlukan untuk melatih sistem yang dapat menavigasi lingkungan dunia nyata yang kompleks.
Sementara sebuah kendaraan dapat belajar manuver di area parkir statis dengan kon lalu lintas tetap, jalan raya terbuka menghadirkan lingkungan yang jauh lebih menantang di mana cuaca, pencahayaan, dan hambatan dinamis berubah terus-menerus.
Melatih sistem untuk menangani kekacauan jalan raya kota—hujan lebat, hambatan tiba-tiba, lalu lintas yang tidak terduga—merepresentasikan tantangan yang diatasi oleh Oasis 3.
Botleneck pelatihan robotika
Model bahasa besar (LLM) telah melonjak di depan, tetapi robotika umum—atau AI fisik—tertinggal, sebagian besar karena kurangnya sumber daya media yang kaya.
Bessemer Ventures mencatat bahwa pengembang LLM mendapatkan manfaat dari mencabut miliaran halaman web publik, kemewahan yang tidak tersedia untuk model Vision-Language-Action (VLA) yang harus menafsirkan dan bertindak dalam ruang fisik.
Model VLA menerima data lingkungan, memprosesnya, dan kemudian merespons. Pelatihan mereka menawarkan tiga jalur utama:
- Teleoperasi—operator manusia meniru tindakan robot dalam baju terkontrol. Sementara menghasilkan data berkualitas tertinggi, biayanya terlalu mahal dan lambat, sehingga penerapan skala besar tidak praktis.
- Video web terbuka—tersedia dengan mudah tetapi berantakan, kurang lingkungan yang konsisten, telemetri spasial, dan kondisi tindakan langsung.
- Data sintetis—titik tengah, namun mesin fisika saat ini masih kurang dari nuansa dunia nyata, sehingga menghasilkan yang disebut sim-to-real gap.
Kesenjangan itu muncul ketika kearifan dunia nyata—longsor minyak, kemasan rapuh, puing tak terduga—mengacaukan sistem otonom, mengungkap keterbatasan mereka.
Menutup kesenjangan dengan simulasi generatif tertutup-loop
Decart klaim Oasis 3 menghadirkan batas pelatihan virtual yang ada dengan menggabungkan grafik gerak fotorealistik dengan mesin fisika yang kuat.
Terintegrasi dalam satu loop pelatihan berkinerja tinggi, Oasis 3 menghasilkan aliran video yang diinduksi tindakan yang dapat menghasilkan skenario kekacauan yang dapat dibayangkan pengembang, menciptakan lingkungan pelatihan yang mencerminkan realitas dengan dekat.
Platform mendukung lingkungan multiview ultra-realistik yang sepenuhnya dapat dikontrol; deviasi lateral mobil otonom memicu aliran generatif yang menyesuaikan perspektif dalam kurang dari 200 ms—well within persyaratan reinforcement learning.
Diresain bersama ekosistem AI fisik Nvidia, Oasis 3 berjalan pada infrastruktur cloud khusus CoreWeave dengan 22 fps, menyediakan lingkungan virtual interaktif dengan resolusi 512×768×3.
Menawarkan tampilan tiga kamera asli untuk mempertahankan konsistensi spasial dan temporal dari berbagai sudut, memungkinkan sistem otonom untuk mengukur kedalaman dan konteks periferi dengan akurat.
Oasis 3 dapat diakses melalui API Decart, memungkinkan pengembang mengintegrasikannya secara lancar ke dalam pipeline simulasi AI fisik yang ada.
Melatih robot untuk menaklukkan wilayah yang belum terjelajahi
Mencapai humanoid tingkat science-fiction memerlukan pelatihan robot untuk mengelola kasus unik di waktu nyata—situasi yang tidak dapat direplikasi di laboratorium, seperti beban yang jatuh di jalan sementara kamera kendaraan otonom dilapisi lumpur.
Oasis 3 memberdayakan pengembang untuk membuat variasi tak terbatas dari peristiwa tersebut menggunakan prompt bahasa natural sederhana, mencakup sudut berbeda, kondisi cuaca, dan permukaan jalan.
Dengan mengekspos model pada jutaan bahaya dengan terjangkau, pengembang dapat memastikan kesiapan untuk setiap skenario dunia nyata yang wajar.
