1. 熟練AI、汎用AI頭脳による産業パラダイムシフト
CEOのアビナブ・グプタ氏は、AI革命の中核となる原動力は「規模」であると述べ、
言い換えれば、データとコンピューティング リソースの規模として定義されました。
この原理は言語と視覚の分野では強力でしたが、実際にはロボット工学ではボトルネックになっていました。
-
ロボットの学習に直接使用できるデータがインターネット上に不足しています。
-
これは、ハードウェアが遅く高価であるため、データを直接収集することが困難であるためです。
-
結局、データの欠如がアルゴリズムの開発を妨げました。
これらの課題を解決するのが、熟練AIです。
私たちは競合モデルの 1,000 倍を超える「基礎モデル」を構築していました。
ここでの基礎モデルは、
-
特定のタスク向けに設計されているだけではありません。
-
さまざまな場面や目的で活用できるよう、膨大なデータを学習させた汎用AIシステムのことを指します。
CEOのAbhinav Gupta氏は、Skilled AIが作成するモデルの3つの特徴を紹介した。
まず第一に、それは「マルチシナリオ」ベースのモデルでした。
-
自宅、オフィス、屋外など場所を問わず単一の脳が稼働するのが特徴だった。
第二に、「マルチタスク」が可能でした。
-
移動、ナビゲーション、オブジェクトの操作など、あらゆるタスクを実行できます。
最後に、最も重要な機能は「マルチハードウェア」です。
-
工場のロボットアーム、ロボット犬、ヒューマノイドなど、あらゆる種類の機械に適用できます。
従来のロボット業界は、ハードウェアとソフトウェアが特定の目的のために一緒に設計される「垂直構造」を採用してきました。
-
この方法では初期パフォーマンスを最大 80% まで迅速に向上させることができますが、
-
これには、予期しない例外、つまり「エッジケース」が発生したときに簡単に崩壊してしまうという欠点があります。
実際、最近では多くの人型企業が水平プラットフォームを目指していると述べています。
実際にはハードウェアのみが共有されており、AI ソフトウェアは依然として自社のロボット上でのみ動作するという制限が残されていました。
熟練した AI は真のスケールを実現する必要があります。
100～200兆個の学習データが必要になると考えられていました。
これらのデータは何百万台ものロボットがなければ不可能であることに注意してください。
-
熟練した AI があらゆる種類のロボット ハードウェアからデータを収集します。
-
この制限は、水平的なアプローチによって克服されました。
この方法は、機械の故障が避けられない状況でも有利です。
-
部品が壊れたり、ハードウェアの構成が変わったりしても、
-
「Skilled Brain」は、プラットフォーム自体が水平であるため、ロボットを停止することなく操作し続けることができました。
実際のステージで披露されたデモ映像では、
-
一つの脳でさまざまな作業を行うロボットが登場している。
-
人型ロボットは瓦礫や倒木の間を着実に歩き、
-
変化する照明の下でも、オブジェクトは非常に詳細に操作されました。
#ソフトバンクサムスンNVIDIA #が注目する熟練 #がロボット産業のパラダイムを変える