Robot Berkeley belajar manipulasi dari video web merangkum berita sumber berbahasa Mandarin untuk pembaca Indonesia. Pokoknya adalah Berkeley’s Do as I Do pipeline tries to turn ordinary web videos into executable dexterous robot trajectories.
Apa yang berubah
Fakta yang dapat dicek: single-view RGB input, no depth information, dual UR3e arms with Sharpa Wave dexterous hands, 50 Hz execution, 500 verified trajectories, 20 action categories, retargeting success rising from 25% to 71%, and only about 5% of web videos usable after filtering. Rincian ini membantu memisahkan klaim peluncuran dari hal yang benar-benar perlu diuji.
Mengapa penting
Embodied AI is constrained by manipulation data; usable internet video could multiply the available training signal. Berita AI kini harus dibaca bersama biaya, pasokan, regulasi, dan kesiapan operasional, bukan hanya skor model.
Yang perlu dipantau
Scaling from 500 lab trajectories to thousands of reliable real-world skills will determine whether the approach changes robotics data collection. Ujian berikutnya adalah pemakaian nyata, pengujian pihak ketiga, dan apakah pengguna tetap memakai produk setelah fase peluncuran.
Sumber terverifikasi: UC Berkeley Do as I Do research material and project results, CocoLoop.