ノルウェーの新興企業 1X Technologies は、ロボット用の人工知能世界モデルの開発において画期的な進歩を遂げました。彼らが作成したモデルはロボットの仮想トレーニング場として機能し、時間と費用がかかる現実世界でのテストを必要とせずに、ロボットを安全かつ効率的にテストおよび改善できます。これは、ロボット工学における長年の信頼性の問題を解決するために重要です。 。この技術は、複雑な動的環境におけるロボットの適応性を大幅に向上させ、汎用ロボットの開発を強力にサポートします。
ノルウェーの新興企業 1X Technologies は最近、ロボット向けの人工知能ベースの世界モデルの開発で大きな進歩を遂げたと発表しました。簡単に言うと、これらのモデルはロボットの仮想試験場のようなもので、実際の現場でのテストを必要とせずに、さまざまなシナリオでマシンをテストし、改善することができます。
1X は、これが「ロボットの難問」、つまり、変化する環境で複数のタスク向けに訓練されたロボットを確実に評価する方法を解決する鍵であると考えています。たとえば、T シャツを折りたたむロボットのパフォーマンスは 50 日間で変化し、達成感は一時的なものになることがよくありました。
1X によれば、同じロボット モデルであっても、環境が変化するとパフォーマンスに大きな変動が生じる可能性があり、現実世界での厳密な評価は非常に困難になります。
世界モデルをトレーニングするために、1X は家庭やオフィスでさまざまなタスクを実行する人型ロボット EVE の何千時間ものビデオ映像を収集しました。機械学習を通じて、モデルは物体や環境がロボットの動作にどのように反応するかを合理的に予測できるようになりました。このモデルは、人や物体との接触を避ける方法の学習など、明示的にプログラムされていない行動であっても、信頼できる視覚的な出力を生成できます。
現在、1X モデルは、物体を掴んだり持ち上げたり、ドアや引き出しを開けたり、衣類や T シャツを折りたたんだりするなどの変形可能な素材の取り扱いなど、複雑な物理的インタラクションを処理できます。
彼らの世界モデルの中核となる価値は、オブジェクトの相互作用をシミュレートすることです。たとえば、今後数世代で、モデルは同じ初期画面と、ボックスをつかむための 3 つの異なるアクション セットを取得することになります。いずれの場合も、掴んだ箱はロボットの動きに合わせて持ち上げられて移動しますが、他の箱は所定の位置に残ります。
それでも、1X はいくつかの制限があることを認めています。たとえば、モデルでは、オブジェクトの色や形状の一貫性を維持したり、物理現象を正確にシミュレートしたりするのが難しい場合があります。鏡に映った自分を認識する能力も依然として信頼できない。
課題にもかかわらず、1X はこれらの世界モデルをユニバーサル ロボットの開発とトレーニングにおけるマイルストーンとみなしています。進歩を加速するために、同社は 1X World Model Challenge を通じてデータセット、事前トレーニングされたモデル、および賞金も提供しています。
1X の長期的な目標は、ワールド モデルをロボット トレーニングに直接使用することであり、これにより実際のテストと比較して効率が大幅に向上します。この目標を達成するために、同社は人工知能分野の専門家を積極的に採用しています。 1X は今年初め、家庭用人型ロボット Neo の市場投入を促進するために 1 億ドルの資金調達にも成功し、この資金調達は OpenAI などの業界リーダーからの支援を受けており、1X テクノロジーに対する同社の高いレベルの取り組みを十分に示しています。
1X に加えて、Nvidia は人型ロボットにも多額の投資を行っています。同社は最近、Apple の Vision Pro を使用したトレーニング方法を発表しました。Nvidia の研究者 Jim Fan 氏は、今後数年でロボット工学に「GPT-3 の瞬間」が訪れると考えています。
1X Technologies の世界モデル技術は、ロボット工学の将来の発展への道を示しています まだ課題はありますが、その可能性は大きく、将来のロボットの訓練と応用の方法に革命を起こすことが期待されています。 この技術は効率を大幅に向上させるだけでなく、ロボット技術の急速な進歩を促進し、人間社会にさらなる可能性をもたらすでしょう。