Perlombaan Otak Robot Masuk ke Perairan Dalam: Mengapa Dunia Fisik Menuntut Perancangan Model dari Nol
Pada WAIC 2025, AI embodied menjadi pusat perhatian dengan lebih dari 200 perusahaan yang berpameran, mengalihkan fokus dari robot berkinerja ke aplikasi praktis seperti penanganan dan inspeksi. Kepala ilmuwan Ant Lingbo, Shen Yujun, berpendapat bahwa mengadaptasi model video dunia digital ke robot melalui fine-tuning adalah jalan pintas yang bergantung pada jalur, bukan solusi akhir, menganjurkan pendekatan 'embodied-native' dengan model yang dirancang dari awal untuk realitas fisik. Perusahaan ini meluncurkan Brain 2.0 full-stack dengan enam model, termasuk model aksi-dunia embodied-native pertama di industri, dan mengumumkan putaran pendanaan yang bertujuan mengumpulkan 1,5 miliar yuan.
Dalam sebuah wawancara di WAIC, ilmuwan utama Ant Lingbo, Shen Yujun, membahas tantangan kecerdasan berwujud, menekankan bahwa standar data belum menyatu karena rute teknis masih belum diputuskan, tanpa ada konsensus mengenai modalitas, presisi, atau kualitas. Ia mencatat bahwa data nyata, terutama data operasi jarak jauh dari robot dan data orang pertama dari manusia, lebih penting daripada data simulasi untuk robot serbaguna, karena simulasi kesulitan mereplikasi tindakan bawah sadar manusia. Strategi Lingbo melibatkan pengembangan berbagai model (seperti LingBot-Vision, LingBot-Depth, LingBot-Video, LingBot-VLA, dan LingBot-VA) untuk memecahkan masalah teknis tertentu, seperti menyelaraskan modalitas, memprediksi dinamika, dan memastikan keseimbangan beban dalam arsitektur MoE, daripada mencoba model ujung-ke-ujung tunggal secara prematur. Shen memperkenalkan konsep model 'asli-berwujud', yang membutuhkan data asli untuk tugas-tugas dunia fisik, kemampuan model yang cocok untuk interaksi waktu nyata, dan kemampuan untuk berlatih dari awal, mengutip kesulitan dalam mereplikasi model visi yang diawasi sendiri seperti DINO dan menerapkan pemodelan kausal untuk perhatian satu arah. Mengenai keselamatan, ia menekankan bahwa keselamatan 'berbasis pagar' (membatasi tindakan) tidak cukup, menganjurkan 'keselamatan asli' yang tertanam selama pra-pelatihan, mirip dengan naluri manusia. Ia juga meramalkan bahwa 'momen ChatGPT' untuk AI berwujud akan terjadi ketika orang biasa dapat dengan mudah berpartisipasi dalam pengumpulan data, membuat robot benar-benar bermanfaat dan terintegrasi dalam kehidupan sehari-hari.
Sumber: InfoQ 中国 —
asli