انتشار مدل جهانی PAN 2 برای هوش مصنوعی فیزیکی
موسسه مدل‌های پایه در دانشگاه MBZUAI مدل جدیدی به نام PAN 2 را به صورت متن‌باز منتشر کرده است که یک مدل جهانی برای هوش مصنوعی فیزیکی محسوب می‌شود. این سیستم قادر است صحنه و دستور متنی را دریافت کرده و نتیجه را به صورت ویدیو شبیه‌سازی کند تا توسعه‌دهندگان بتوانند برنامه‌های خود را قبل از اجرا در محیط شبیه‌سازی آزمایش کنند.
جزئیات خبر
سازوکار و نحوه عملکرد
این مدل فرآیند شبیه‌سازی را به دو بخش استدلال مفهومی و ادراکی تقسیم می‌کند. در بخش مفهومی، یک مدل زبان بزرگ مشاهده و دستورات را می‌خواند و حالت بعدی دنیا را به صورت ساختاریافته می‌نویسد. در بخش ادراکی، یک ترانسفورماتور انتشاری ۲۹ میلیارد پارامتری و متراکم، تصاویر ویدیویی را پیش‌بینی می‌کند. این مدل از روش‌های متن‌به‌ویدیو و تصویر‌به‌ویدیو پشتیبانی می‌کند و برای اجرا به پردازنده‌های گرافیکی مرکز داده نیاز دارد.
عملکرد و ارزیابی در بنچمارک‌ها
بر اساس اطلاعات ارائه‌شده، این مدل در تکمیل برنامه‌های کامل در میان مدل‌های آزمایش‌شده پیشتاز است و توانسته نرخ موفقیت مناسبی ثبت کند. با این حال، در برخی شاخص‌ها مانند اقدامات تکنیگی منفرد یا ترجیحات انسانی، ممکن است مدل‌های دیگر نتایج بالاتری کسب کنند. همچنین در طول اجرای برنامه‌های طولانی ممکن است خطاهایی رخ دهد.
محدودیت‌ها و نیازهای سخت‌افزاری
اطلاعات موجود نشان می‌دهد که نیازهای سخت‌افزاری این مدل بالا است و هر کارگر پردازنده گرافیکی کل مدل را بارگذاری می‌کند. همچنین استفاده از ابزارهای محافظتی و گاردریل برای کاهش خروجی‌های ناخواسته توصیه شده است، هرچند ممکن است این ابزارها برخی درخواست‌های عادی را نیز مسدود کنند.
نکات مهم
- مدل PAN 2 یک مدل جهانی متن‌باز برای شبیه‌سازی فیزیکی است که تحت پروانه Apache 2.0 عرضه شده است.
- این سیستم از ترکیب یک برنامه‌ریز مدل زبان بزرگ و یک مدل انتشاری برای تولید ویدیو استفاده می‌کند.
- عملکرد مدل در تکمیل برنامه‌های چندمرحله‌ای قابل توجه است، اما نیازمندی‌های سخت‌افزاری بالایی دارد.
منبع خبر
- MarkTechPost
- تاریخ انتشار منبع: 2026-11-11
گزارش فارسی با کمک هوش مصنوعی از اطلاعات منتشرشدهٔ منبع تهیه شده است.
- MarkTechPost