Fyysinen tekoäly: Kuinka robotit siirtyvät ohjelmoitujen liikkeiden ohi
Fyysisen tekoälyn alalla pyritään antamaan roboteille todellinen havainto- ja päätöksentekokyky, siirtyen pois ennalta ohjelmoiduista demoista. Keskeisiä trendejä ovat agenttipohjaiset arkkitehtuurit yhden end-to-end-aivojen sijaan, uudet oppimismenetelmät sekä keskittyminen näköön, kieleen ja tuntoaistiin. Lopullisena tavoitteena on tehdä roboteista hyödyllisiä todellisissa tuotantoympäristöissä.
Fyysinen tekoäly tarkoittaa älykästä ohjelmistoa, jonka avulla robotit havaitsevat, ymmärtävät ja toimivat fyysisessä maailmassa, erotuksena humanoideista. Vaikka humanoidirobotit suoriutuvat usein vaikuttavista käsikirjoitetuista demoista, ne eivät kykene sopeutumaan muuttuviin olosuhteisiin. Ala on siirtymässä yhden valtavan päästä päähän -mallin kouluttamisesta agenttipohjaiseen lähestymistapaan, jossa useat erikoistuneet mallit käsittelevät eri modaliteetteja (näkö, kieli, toiminta) ja niitä voidaan päivittää itsenäisesti. Oppiminen on edelleen pullonkaula: ei ole olemassa suuria datasettejä kuten kielimalleille, ja menetelmät, kuten videosta oppiminen, vaativat edelleen lisämerkintöjä. Näkö on kypsin sensorikanava, ja Vision-Language-Action-mallit hyödyntävät esikoulutettuja näköenkoodereita ja tokenisoivat kuvia tekstin tapaan. Kieli toimii universaalina rajapintana, joka mahdollistaa korkean tason komentojen pilkkomisen ylemmän tason suunnittelijoiden avulla. Tuntoaisti on kriittinen tarkkuutta vaativissa tehtävissä, koska näkö ei riitä, kun kohde on jo otettu kiinni; tutkimus tutkii keinotekoista ihoa, mutta nykyiset robotit käyttävät voima-antureita. Proprioseptiikka – robotin oman kehon tilan tunteminen – on toinen olennainen kanava, jossa käytetään enkoodereita, inertia-antureita ja vääntömomenttiantureita. Ihmisen kaltaisen kätevyyden ja sopeutumiskyvyn saavuttaminen on edelleen kaukainen tavoite, mutta agenttimaiset arkkitehtuurit ja asteittaiset parannukset nähdään käytännöllisenä etenemistienä.
Lähde: Habr — хаб ML —
Alkuperäinen