世界

1xのヒューマノイドロボットが葉を拾い上げ、食器洗い機を積んで、枕をソファに置く

1X TechnologiesのAIの副社長は、ヒューマノイドロボットNeoに関する多くの重要な更新を共有しています。 ヒューマノイドロボットを作成するためのレースは熱くなっていますが、1倍はロボットを家に届け、日常のタスクに対処することにしっかりと焦点を当てていますが、他の人は産業用途に焦点を当てています。 今日の投稿では、Neoが葉を拾ってバッグに入れたなどのタスクを実行しています。季節が変わるにつれて日常的に葉を失う木を持っている人にとっては、このタスクは彼らが非常によく知っているものです。このようなロボットを実行するタスクを示すことは、デザインの非常に人間のような能力を示しています。 ヒューマノイドロボットのビデオをオンラインで見るとき、私たちが見ているものを正確に理解することが重要です。リモートオペレーターがロボットの動きを制御しているビデオがありますが、ここではそうではありません。 Jangが彼の投稿で強調しているように、ロボットは自律的に100％動作しています。ロボットが葉まで歩いて、葉の山を識別し、バッグを開けて、バッグがいっぱいになったり、ペイロードを超えたりする方法をロボットを運ぶことができるのを見たいと思っていました。人間は葉をビンに空にしたので、今日はエンドツーエンドのタスクは解決されないかもしれませんが、これは将来の有望な兆候です。 別の投稿では、ロボットが家庭で最も嫌われているタスクの1つを完成させ、食器洗い機を積み重ねています。このタスクの複雑さを分析すると、ロボットを設定するのが難しいものの1つです。 オブジェクトは異なるサイズと形状であり、食器洗い機の引き出しの一連の場所のセットにのみ収まります。また、滑りやすいオブジェクトにも対処する必要があります。特定のデモは比較的基本的なものであり、食器洗い機はすでに開いており、カップが積み込まれるのを待っています。 これをすべての家庭で実用的にするためには、ソリューションを一般化し、食器洗い機のさまざまな構成に対応するか、特定のデバイスを使用して自宅の学習段階を経て必要です。 ここで1倍を見せようとしているのは、オブジェクトの操作であり、シンクからカップを取得し、必要な身体の動きを減らすために手の間を動かします。また、カップを正常に配置できるように、引き分けを見下ろしています。 繰り返しますが、今日の進捗状況と残りのto-doリストを評価するために、ビデオに示されていないものを考慮することが重要です。 最後に、ネオが自信を持ってソファに歩いて、ソファクッションを置く3番目のビデオを見ます。タスクは少し一般的ではないかもしれませんが、子供やペットを抱えている人は、一日の終わりに自分の代わりにクッションを持っていることは大きな助けになるでしょう。 このタスクでは、ロボットがクッションとは何か、ソファがどこにあるのか、クッションが通常ソファの隅にあることを理解する必要があります。ロボットは、倒れずにクッションを下に置くために傾いて、重量に対抗するために必要な調整を行います。 これらは、ロボットがいつかあなたの家を適切なトレーニングで掃除できるという有望な兆候です。また、対処する敷物やその他の障害もあり、共有環境にいるときは、ロボットが回復力があり、ターゲットを達成するのに動的であることが重要です。ペットや子供がクッションのターゲット位置に移動することを想像してください。ロボットは、代替のソファや椅子に置くなど、それに応じて応答する必要があります。 Yangは、Xでスレッドを共有しています。これは、今日見たものをよりよく理解するのに役立ちます。 データからすべてが学習されます。ネットワークは、RL下半身コントローラー +アームと背骨の関節を同時に指示するなど、全身の動きも制御します。@1x_techでは、家のためにヒューマノイドを作っています。最後ではなく、最初にホームマーケットに行く理由についての短いスレッド。家はロボット工学の「最終ボス」です。なぜなら、それは非常に根本的に構造化されていないからです。すべての家は異なっており、洗濯をするのと同じくらい簡単なことに関係する何千ものサブタスクがあります（外脱ぐ洗剤キャップ、ボタンのないシャツ）。それでも、家は一般的な知性を作成するために必要な多様なデータの究極の宝物を見つける場所です。多くのタスクや環境にわたる多様なデータは、汎用ロボットを作成するための必要な要素です。ほとんどのロボット企業は、自律性が難しいため、自律性を一度に1つのタスクを解決する必要があると想定しています。 1つのタスクを解決し、そのタスクによって生成されたお金を使用して、より商業的に価値のあるタスクに拡大します。ただし、この方法で機能を追加すると、四半期ごとに新しいタスクに搭載されていても、5年間で20のスキルしかありません。ホームチェスは、ほんの一握りではなく、何千もの機能を要求しています。自動運転車では、問題には一般的な知性が必要ないため、高速道路での自動運送は都市の運転よりもはるかに簡単だと考えている人もいます。逆説的に、中程度の構造化されていない状況で狭いAIをうまく機能させることは、非常に非構造化された状況で一般的なAIを作成するよりもはるかに困難です。適度に構造化されていない環境は、あなたが思っているよりも一般的です。狭い問題であっても、何でも機能するためには、多様なデータを収集する必要があります。しかし、トラックを動かすのと同じくらい高い賭け金のために野生で失敗を集めることは困難です。そして、「構造化された環境」は実際にあなたに対して機能します。まれなイベントはさらにまれであるため、安全にするのに役立つデータをマイニングすることは困難です。そのため、テスラのオートパイロットADASシステムは、消費者向けに訓練されていますが、今日でも実行可能な自律運送ソリューションはありません。ヒューマノイドロボットにも同じことが言えます。工場の仕事を解決することは家庭での自律性に行くよりも簡単だと思うかもしれませんが、関係するタスクには、基本的に構造化されていない人々の近くにいるため、本当に一般的な身体的理解が必要です。ChatGptは、自律性が一度に1つのタスクを解決する必要がないことを世界に示しました。これは、AIの消費者ファースト流通戦略における信じられないほどのビジネスケーススタディです。消費者ユーザー向けの幅広いタスクを解決すると、エンタープライズの採用が迅速に続きます。 #1xのヒューマノイドロボットが葉を拾い上げ食器洗い機を積んで枕をソファに置く