რობოტის მექანიკური ხელი მაგიდაზე მოთავსებული ნათურისკენ მიემართება. ველოდები, რომ დაამსხვრევს, მაგრამ მოულოდნელად ნელდება და ობიექტს ფრთხილად ეხება. ნათურა გორდება, რობოტი კი მას მაგიდაზე მიჰყვება, იჭერს და ახლოს მდებარე სანათში მარტივად აბრუნებს. რობოტიკის შესახებ წერის ათწლიანი გამოცდილების მიუხედავად, ასეთი ბუნებრივი მოძრაობა აქამდე არასდროს მინახავს.
მე ვიმყოფები Eka-ს ოფისში, რომელიც კემბრიჯში, MIT-ის მახლობლად მდებარე startup-ია. მათი სამუშაო სივრცე სავსეა სხვადასხვა ფორმისა და ტექსტურის ნივთებით — ხელთათმანებით, ყუთებით, თმის ჯაგრისებითა და გასაღებებით. რობოტი თითოეულ მათგანს საოცარი სიზუსტით იჭერს. Eka-ს რობოტის დაკვირვება მაგონებს იმ დროს, როდესაც პირველად გამოვიყენე ChatGPT. ის იმდენად ბუნებრივია, რომ გიჩნდება განცდა, თითქოს მის უკან ნამდვილი ინტელექტი დგას.
დექსტერობის (სიმარჯვის) პრობლემის გადაჭრა
Eka-ს თანადამფუძნებლები, MIT-ის პროფესორი Pulkit Agrawal და ყოფილი Google DeepMind-ის მკვლევარი Tuomas Haarnoja მიიჩნევენ, რომ რობოტული სიმარჯვის პრობლემა უკვე გადაჭრადია. "ტრილიონობით დოლარი გადის ადამიანის ხელებზე", - ამბობს Agrawal. "ჩემთვის ეს მსოფლიოში გადასაჭრელი ყველაზე დიდი პრობლემაა".
წარსულში კომპანიები, მათ შორის OpenAI-ს Dactyl პროექტი, ცდილობდნენ რობოტების გაწვრთნას სიმულაციებში (რაც sim-to-real gap-ის პრობლემას ქმნიდა), თუმცა რეალურ სამყაროში გადატანისას ისინი მარცხდებოდნენ. ამჟამად მრავალი startup-ი იყენებს VLA (vision-language-action) მოდელებს, რომლებიც ადამიანების ქმედებების ამსახველ ვიდეოებს ეყრდნობა. Eka სრულიად სხვა მიდგომას ირჩევს: კომპანიას სურს, რობოტებმა თავად ისწავლონ მოქმედება.
Vision-Force-Action მოდელი
Eka-ს ბოტები, მსგავსად AlphaZero-სი, ათასობით საათს ატარებენ სიმულაციურ სამყაროში მოძრაობების პრაქტიკაში და თავად იგონებენ ამოცანის გადაჭრის გზებს. Agrawal-მა და Haarnoja-მ შექმნეს სპეციალური სენსორული მექანიკური ხელები და ახალი ტიპის AI ალგორითმი — vision-force-action model. ეს მოდელი სწავლობს არა მხოლოდ ვიზუალურ ცვლილებებს, არამედ ფიზიკის კანონებს: მასას, ინერციასა და ობიექტთან შეხების ძალას.
ერთ-ერთი ყველაზე შთამბეჭდავი დემონსტრაცია ქათმის ნაგეთსებს უკავშირდება. რობოტი სხვადასხვა ფორმის ნაგეთსებს არეული მაგიდიდან იღებს და მოძრავ კონტეინერებში ათავსებს — ის ამას არა მხოლოდ სისწრაფით, არამედ ადამიანური იმპროვიზაციით აკეთებს. კვების ინდუსტრიაში, სადაც პროდუქტების ფორმები არასტანდარტულია, ეს ტექნოლოგია ნამდვილი გარღვევაა.
Eka-ს ალგორითმებმა ინსტინქტურად იციან, როგორ გამოასწორონ შეცდომა ობიექტის ხელიდან გავარდნისას. მიუხედავად იმისა, რომ ზოგიერთი ექსპერტი ადამიანური დემონსტრაციისა და სიმულაციის კომბინაციას ემხრობა, ნათელია: იმისათვის, რომ რობოტებმა უმაღლესი დონის სიმარჯვე შეიძინონ, მათ სწორედ ისეთი ტაქტილური, ფიზიკური ინტელექტი დასჭირდებათ, როგორზეც Eka მუშაობს.
წყარო: wired.com
