1730702296
2024-10-31 17:05:00
近年の AI の驚くべき進歩にもかかわらず、ロボットは依然として頑固に愚かで限界があります。工場や倉庫で見られる動物は通常、周囲を認識したり臨機応変に適応したりする能力があまりなく、正確に振り付けられたルーチンを実行します。数少ない産業用ロボット 物体を見て把握することができる 一般的な身体的知性が欠如しているため、最小限の器用さで限られた数のことしか実行できません。
より汎用性の高いロボットは、おそらく最小限のデモンストレーションを経て、はるかに幅広い産業作業を担うことができるでしょう。ロボットはまた、人間の家の大きな変動性と乱雑さに対処するために、より一般的な能力も必要となるでしょう。
AI の進歩に対する一般的な興奮は、すでにロボット工学における新たな大きな飛躍に対する楽観的な見方に変わっています。イーロン・マスク氏の自動車会社テスラはオプティマスと呼ばれる人型ロボットを開発しており、マスク氏は 最近提案された 20,000 ドルから 25,000 ドルで広く入手でき、2040 年までにほとんどのタスクを実行できるようになるだろう。
ロボットに困難なタスクを実行するよう教えるこれまでの取り組みは、学習を移転できないと思われたため、単一のタスクで単一のマシンを訓練することに焦点を当てていました。最近のいくつかの学術研究では、十分な規模と微調整があれば、異なるタスクとロボット間で学習を移行できることが示されています。 2023 年の Google プロジェクト オープン X の実施形態 これには、21 の異なる研究所にある 22 の異なるロボット間でロボット学習を共有することが含まれていました。
Physical Intelligence が追求している戦略の主な課題は、テキスト形式の大規模な言語モデルと同じ規模のロボット データがトレーニングに利用できないことです。したがって、同社は独自のデータを生成し、より限定されたデータセットからの学習を改善する手法を考え出す必要があります。 π0 を開発するために、同社はテキストだけでなく画像でもトレーニングされるいわゆるビジョン言語モデルと、AI 画像生成から借用した技術である拡散モデリングを組み合わせて、より一般的な種類の学習を可能にしました。
人間がロボットに頼んだあらゆる家事をロボットが引き受けられるようにするには、そのような学習を大幅にスケールアップする必要がある。 「道のりはまだ長いですが、今後のことを示す足場のようなものを私たちは用意しています」とレバイン氏は言う。
#これは #ロボットの未来を垣間見ることができます