Норвежский стартап 1X Technologies добился прорывного прогресса в разработке моделей искусственного интеллекта для роботов. Созданная ими модель действует как виртуальная тренировочная площадка для роботов, позволяя безопасно и эффективно тестировать и совершенствовать их без необходимости трудоемких и дорогостоящих испытаний в реальных условиях, что имеет решающее значение для решения давних проблем надежности в робототехнике. . Эта технология может значительно улучшить адаптируемость роботов в сложных динамических средах и обеспечить надежную поддержку для разработки роботов общего назначения.
Норвежский стартап 1X Technologies недавно объявил, что добился значительного прогресса в разработке моделей мира для роботов на основе искусственного интеллекта. Проще говоря, эти модели подобны виртуальным испытательным полигонам для роботов, позволяющим тестировать и совершенствовать машины в различных сценариях без необходимости реальных полевых испытаний.
В 1X считают, что это ключ к решению «загадки роботов», а именно: как достоверно оценить роботов, обученных выполнять множество задач в меняющейся среде. Возьмем, к примеру, робота, который может складывать футболки. Его производительность варьировалась в течение 50 дней, и чувство достижения часто было мимолетным.
В 1X говорят, что даже одна и та же модель робота может испытывать огромные колебания производительности при изменении окружающей среды, что чрезвычайно затрудняет строгую оценку в реальных условиях.
Чтобы обучить свою модель мира, 1X собрала тысячи часов видеозаписей своего гуманоидного робота EVE, выполняющего различные задачи в домах и офисах. Благодаря машинному обучению модели теперь могут разумно предсказывать, как объекты и окружающая среда будут реагировать на действия робота. Модель может создавать правдоподобные визуальные результаты даже для поведения, которое не запрограммировано явно, например, обучения избегать контакта с людьми и объектами.
В настоящее время модели 1X способны обрабатывать сложные физические взаимодействия, такие как захват и подъем предметов, открытие дверей и ящиков, а также манипулирование деформируемыми материалами, такими как одежда и даже складывание футболок.
Основная ценность их модели мира — симуляция взаимодействия объектов. Например, в следующих нескольких поколениях модели получат одинаковый начальный экран и три разных набора действий по захвату ящиков. В каждом случае захваченный ящик поднимается и перемещается вместе с движениями робота, а остальные ящики остаются на месте.
Тем не менее, 1X признает некоторые ограничения. Например, у моделей иногда возникают проблемы с сохранением единообразия цвета и формы объектов или с точной имитацией физических явлений. Способность узнавать себя в зеркале также остается ненадежной.
Несмотря на трудности, 1X рассматривает эти модели мира как веху в разработке и обучении универсальных роботов. Чтобы ускорить прогресс, компания также предлагает наборы данных, предварительно обученные модели и денежные призы в рамках конкурса 1X World Model Challenge.
Долгосрочная цель 1X — напрямую использовать мировую модель для обучения роботов, что приведет к значительному повышению эффективности по сравнению с реальным тестированием. Для достижения этой цели они активно привлекают специалистов в области искусственного интеллекта. Ранее в этом году 1X также успешно привлекла финансирование в размере 100 миллионов долларов США для продвижения на рынок своего домашнего робота-гуманоида Neo. Это финансирование получило поддержку таких лидеров отрасли, как OpenAI, что полностью демонстрирует высокий уровень приверженности технологиям 1X.
Помимо 1X, Nvidia также вкладывает значительные средства в роботов-гуманоидов. Недавно компания запустила метод обучения с использованием Apple Vision Pro, и исследователь Nvidia Джим Фан считает, что в ближайшие несколько лет у робототехники наступит «момент GPT-3».
Технология мирового моделирования 1X Technologies указывает путь для будущего развития робототехники. Несмотря на то, что проблемы все еще существуют, ее потенциал огромен и, как ожидается, в будущем произведет революцию в способах обучения и применения роботов. Эта технология не только значительно повысит эффективность, но и будет способствовать быстрому прогрессу робототехники и предоставит больше возможностей человеческому обществу.