ჰუმანოიდურ რობოტებს უკვე შეუძლიათ სირბილი, ცეკვა და ზოგჯერ ადამიანების წაქცევაც კი, თუმცა რეალურად „ადამიანური“ ფუნქციების შესასრულებლად მათ რუტინული საოფისე დავალებების შესწავლა სჭირდებათ. შვეიცარიულმა სტარტაპმა Flexion Robotics-მა, რომელიც Nvidia-ს ყოფილმა მკვლევრებმა დააარსეს, ამ პრობლემის გადაჭრის გზა იპოვა.
კომპანიამ შეიმუშავა მეთოდი, რომლითაც რობოტები კომპლექსურ დავალებებს — მაგალითად, კარების გაღებას, კიბეებზე ასვლასა და ნივთების გადატანას — სიმულაციურ გარემოში სწავლობენ. ძირითადი AI ალგორითმი კი განსაზღვრავს, თუ როგორ გამოიყენოს ეს უნარები რეალურ სამყაროში. განსხვავებით ტრადიციული მეთოდებისგან, სადაც რობოტებს დისტანციური მართვის საშუალებით ავარჯიშებენ, Flexion-ის სისტემა ავტონომიურია და მინიმალურ ადამიანურ ჩარევას მოითხოვს.
Flexion-ის მიერ გავრცელებულ ვიდეოში ჩანს, თუ როგორ ასრულებს Unitree-ს მოდიფიცირებული ჰუმანოიდი რთულ დავალებას: ამანათის მიღება, ლიფტით ასვლა და ნივთების დანიშნულებისამებრ განთავსება. სისტემა აერთიანებს რამდენიმე AI მოდელს: ერთი მათგანი ადამიანების მოქმედებების ვიდეოების ანალიზით სწავლობს „რა“ უნდა გააკეთოს, ხოლო მეორე — სიმულაციაში ნასწავლი უნარებით უზრუნველყოფს ფიზიკურ შესრულებას.
Flexion-ის თანადამფუძნებლის, ნიკიტა რუდინის თქმით, წარმატების საიდუმლო „reinforcement learning“-ის (განმტკიცებითი სწავლება) ინტენსიურ გამოყენებაშია. ეს მიდგომა საშუალებას აძლევს რობოტს, ცდისა და შეცდომის გზით დახვეწოს მოძრაობები.
მიუხედავად იმისა, რომ ილონ მასკი და ჯენსენ ჰუანგი ჰუმანოიდების ეკონომიკურ პოტენციალზე საუბრობენ, ექსპერტები აღნიშნავენ, რომ მთავარი რევოლუცია არა თავად რობოტებში, არამედ მათ უკან მდგომ AI მოდელებშია. ABI Research-ის პროგნოზით, რობოტების ფუნდამენტური მოდელების ბაზარი 2036 წლისთვის 150 მილიარდ დოლარს მიაღწევს. Flexion-ის ტექნოლოგია, რომელიც სხვადასხვა ტიპის ჰუმანოიდებთან თავსებადია, ამ ბაზარზე ერთ-ერთ საკვანძო მოთამაშედ ყალიბდება.
წყარო: wired.com
