跳到主要內容
AI 武林
影片進階EN5,455 次觀看

Physical AI's Next Bottleneck Is Finding the Right Video — Rafael Levi, Bright Data

來源　AI Engineer

看影片（在新分頁開啟原站）連到 AI Engineer

其他版本：AIE Talks 摘要頁（在新分頁開啟）

摘要

Rafael Levi 指出機器人學習已進入資料收集階段，公開網路上的自然動作影片是解決資料匱乏的關鍵。透過 Bright Data 的技術，可從數十億小時的影片精準篩選出特定動作片段，大幅降低無效資料的浪費與訓練成本。

Rafael Levi discusses how public video data solves the robotics training shortage and introduces Bright Data's action-based video indexing solution.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

  • 機器人訓練資料量遠少於語言與影像模型，自然動作影片是最佳來源。
  • 人工拍攝的偏頗資料與模擬環境無法滿足真實物理世界的訓練需求。
  • Bright Data 提供按動作索引與篩選影片的功能，精準提供訓練片段。

章節

依話題轉折切分，標題由 AI 產生

  1. 00:00Intro
  2. 00:50The AI isn't the hard part anymore. The data is
  3. 01:15A short history of robots learning from video
  4. 02:40Trillions of words vs. about a million robot videos
  5. 03:15Why staged recordings make biased data
  6. 04:35Why simulation and teleoperation don't scale
  7. 05:14The web as a training source
  8. 06:141 million hours of video, 62 hours of robot data
  9. 06:54Learning actions from frame-to-frame motion
  10. 07:58Throwing away 96% of the video
  11. 08:33Search first, collect second
  12. 10:03Demo: finding the exact action clips
  13. 11:38The API and use cases beyond robotics
  14. 12:48What comes back: timestamps, scores and frames
  15. 13:33Self-driving, dashcams and physics
  16. 15:52Wrap-up

提到的工具與公司

  • Stable Video Diffusion
  • Vimeo
  • Wimo

適合誰看

從事機器人開發、自動駕駛系統或需要大量動作資料訓練 AI 模型的工程師與研究者。

摘要依據

講者
Rafael Levi
依據
自動字幕

為什麼排在這裡

人氣
0.69
新鮮
0.96

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

摘要由 AI 根據原文產生，可能有誤；完整內容請看原站。看影片（在新分頁開啟原站）