Разработчики роботов пытаются преодолеть нехватку качественных данных для обучения ИИ. Физические возможности машин быстро растут, однако роботы пока не могут стабильно выполнять сложные задачи, ради которых их создают.
Об этом пишет издание TechCrunch .
Рынок физического ИИ активно привлекает инвестиции. Компании привлекают миллиарды долларов, пытаясь перенести в робототехнику подходы, которые ускорили развитие больших языковых моделей.
В то же время прогресс в области аппаратного обеспечения роботов опережает развитие их «мозга». Это стало заметно после стремительного роста стоимости китайского производителя роботов Unitree. После выхода на китайский аналог Nasdaq компанию оценили в 66 млрд долларов, однако на этой неделе ее капитализация упала почти вдвое. Среди причин аналитики называют проблему практического применения роботов: они становятся физически более совершенными, но пока не обладают достаточными навыками для стабильного выполнения полезной работы.
В этом году конференция Actuate, посвященная разработке ИИ для роботов, собрала около 1500 участников.
По словам организаторов, с 2023 года мероприятие выросло втрое. Одной из главных тем стала проблема данных в сфере робототехники.
Для обучения моделей требуются большие массивы качественных данных о реальном мире. Особенно сложно создавать универсальных роботов, способных выполнять широкий спектр задач. Даже модели, обученные для выполнения конкретных операций, пока не обеспечивают надежности, достаточной для массового коммерческого использования.
Поэтому разработчики пытаются повторить подходы лабораторий, создающих передовые языковые модели. Они собирают более разнообразные наборы данных, экспериментируют с методами обучения и создают новые сценарии для обучения с подкреплением.
Гарри Меллсоп, основатель стартапа Antioch, разрабатывающего инструменты симуляции для физического ИИ, сравнивает нынешний этап с «эрой GPT-2». Речь идет о периоде до появления ChatGPT, когда большие языковые модели уже демонстрировали значительный потенциал, но еще не стали массовым продуктом. По его мнению, робототехнике потребуется больше данных и вычислительных ресурсов — в частности,
графических процессоров — для создания детализированных симуляций.
Наибольший прогресс на данный момент демонстрируют автономные автомобили. Одна из причин заключается в том, что автомобили, управляемые людьми, постоянно генерируют данные для обучения систем. Кроме того, главная задача автономного автомобиля — избегать столкновений, тогда как роботам-манипуляторам необходимо взаимодействовать с физическими объектами.
Инструменты, созданные для автономного транспорта, теперь применяются и в робототехнике. Например, компания Foxglove была основана бывшими сотрудниками Cruise — подразделения General Motors, занимавшегося беспилотными автомобилями.
Автомобильные компании также начинают выходить на рынок гуманоидных роботов. Tesla развивает Optimus, а компании Wayve и Uber создали робототехнические лаборатории, занимающиеся исследованиями гуманоидных конструкций.
Генеральный директор Wayve Алекс Кендалл считает, что сейчас еще рано делать ставку на конкретную конструкцию робота. По его словам, технологии сенсоров и других компонентов быстро меняются, поэтому универсальная модель ИИ должна быть как можно менее зависимой от определенного типа оборудования.
В то же время генеральный директор Genesis AI Теофиль Жерве придерживается иной позиции. Компания, разрабатывающая гуманоидных роботов и привлекшая в этом году 105 млн долларов в ходе посевного раунда, считает перспективным одновременное проектирование аппаратной части и ИИ. По его мнению, робототехника пока недостаточно развита для реализации полностью универсальной стратегии.
Еще одна проблема заключается в выборе между универсальными и специализированными роботами. Компании, создающие машины для конкретных задач, уже начинают использовать их в реальных условиях. Gritt работает над роботами для солнечных электростанций, Agility внедряет машины в промышленности, а Bedrock разрабатывает автономные экскаваторы.
Гуманоидные роботы общего назначения пока преимущественно остаются на стадии лабораторных разработок. Жерве отмечает, что клиентам недостаточно машины, выполняющей задачу лишь в 80% случаев. В то же время узкая специализация открывает компаниям доступ к реальным данным, которые можно использовать для дальнейшего развития моделей.
Bedrock, например, начинает с автоматизации работы экскаваторов,
чтобы лучше понять, как робот должен взаимодействовать с окружающей средой. В дальнейшем компания планирует создать единый интеллектуальный уровень для различных строительных машин.
Обработка таких данных также представляет собой отдельную проблему. Роботы генерируют огромные объемы видеоматериалов и данных с лидаров, поэтому инженерам сложно быстро находить нужную информацию. На этой неделе компания Foxglove представила инструмент, созданный на базе открытой модели мира Cosmos от Nvidia. Он позволяет искать данные с помощью сложных запросов на естественном языке, а также использовать их для проверки моделей и создания симуляций.
Пока нет единого понимания того, что именно станет для робототехники аналогом появления ChatGPT. Для Кендалла таким прорывом могла бы стать система, позволяющая автомобилю работать без постоянного контроля со стороны человека, при стоимости аппаратного обеспечения менее 1000 долларов.
В качестве еще одного возможного ориентира Жерве называет робота, способного выполнять базовые физические задачи по обычной команде человека. Например,
пользователь мог бы попросить его передвинуть предмет, закрыть ноутбук или убрать со стола, а машина выполняла бы это с надежностью не менее 80%.
Генеральный директор Foxglove Адриан Макнейл считает, что в робототехнике может вообще не быть единого момента, аналогичного запуску ChatGPT. Причина в том, что распространять программное обеспечение гораздо проще, чем производить и развертывать физические машины.
По его мнению, более важным событием станет появление доступного домашнего робота, которого люди смогут купить и использовать для выполнения полезных задач или развлечений. Именно такой продукт может продемонстрировать, что физический ИИ вышел за пределы лабораторий.
Читайте также:
- Можно управлять дистанционно. В Китае показали гуманоидного робота Fuxi для работы в опасных условиях
- Машина против человека. Гуманоидный робот пробежал 100 метров быстрее рекорда Усэйна Болта
- Благодаря нагреву пружины. Робот без моторов и программирования научился прыгать, переворачиваться и преодолевать склоны
