Сребърната ера на въплътената интелигентност: Дълбоко гмуркане

Въведение

Статията разглежда текущото състояние на въплътената интелигентност, определяйки го като "сребърна ера" - период на интензивно изследване между първоначалното появяване и пълната зрялост на технологията. Дискусията се върти около кръгла маса на конференцията Volcano Engine FORCE, където експерти от различни области изследваха потенциала на големите модели за ускоряване на развитието на роботиката.

Заден план

Бързият напредък на големите AI модели доведе до значителни инвестиции в индустрията за роботика. Въпреки това, този скок във финансирането носи и риск от прегряване на пазара. Основното предизвикателство е да се идентифицират истинските пробиви в технологията и нейното приложение. Ключови въпроси включват:

Трябва ли фокусът да бъде върху обучение с подсилване или симулационно обучение?
По-важно ли е да се приоритизира симулацията или тестването в реалния свят?
Трябва ли акцентът да бъде върху зрението или физическите двигатели?

Участници в кръглата маса

В кръглата маса участваха експерти от различни среди:

Чен Янг: Вицепрезидент на Galaxy General Robotics
Ши Лингсян: Ръководител на Иновационно инкубиране във Volcano Engine (Модератор)
У Ди: Ръководител на Интелигентни алгоритми във Volcano Engine
Уан Хаоджи: Партньор в Matrix Partners China
Уан Сяо: Основател на Nine Chapters Capital
Ян Вейсин: Съосновател на Shanghai Zhiyuan Robotics и Докторски ръководител в Shanghai Jiao Tong University

Ключови точки на дискусия

Скокът в инвестициите в роботиката

Защо вълнението? AI приложенията са разделени на две категории: софтуерни приложения (като чатботове и генериране на видео) и хардуерни приложения (като роботика). Роботиката се разглежда като най-универсалното хардуерно приложение на AI.

Фокус на инвестициите: Инвеститорите търсят компании, които могат да интегрират както софтуер, така и хардуер и да демонстрират приложения в реалния свят отвъд демонстрациите.

Предизвикателства пред комерсиализацията: Комерсиализацията на роботите е по-бавна от очакваното, особено в сложни среди като домовете и B2B услугите.

Координацията между "мозъка" (AI) и "малкия мозък" (системи за управление) трябва да се подобри.
Намаляването на разходите е от решаващо значение за широкото приемане.

Пътят към комерсиализация

Консенсус: Има общо съгласие, че роботиката ще бъде успешна, но времевата линия и водещите компании все още са несигурни.

Множество победители: Пазарът вероятно няма да бъде доминиран от една компания, подобно на индустрията за електрически превозни средства.

Първоначална комерсиализация: Големите модели предоставиха на роботите подобрени възможности за взаимодействие и мислене.

Технически пречки: Въпреки че няма непреодолими технически бариери, процесът ще бъде по-дълъг и по-предизвикателен от очакваното.

Роля на VC: Венчърните капиталисти играят решаваща роля за ускоряване на развитието, като осигуряват финансиране.

Значението на общата интелигентност

Промяна на фокуса: Фокусът трябва да бъде върху адаптирането на роботите към хората и околната среда, а не обратното.

Симулационни данни: Използването на големи количества симулационни данни е от ключово значение, за да могат роботите да имат обща интелигентност.

Предизвикателства пред стартирането: Стартъпите в роботиката са изправени пред значителни предизвикателства в технологиите, разработването на продукти и бизнес моделите.

Индустриално сътрудничество: Индустрията се нуждае от сътрудничество по цялата верига на доставки и подкрепа от инвеститорите.

Технически пътища за въплътена интелигентност

Имитация и обучение с подсилване

Използването на обучение с имитация за подобряване на обучението с подсилване е жизнеспособен подход за контрол на походката.

Симулация за долни крайници

Симулационните данни са ефективни за контрол на походката на долните крайници, но настройката на параметрите и последователността на продуктите все още са предизвикателства.

Фокус върху горните крайници

Необходимо е да се измести фокусът от движението на долните крайници към общите възможности за работа с хуманоидни роботи.

Работа със задачи

Фокусът трябва да бъде върху възможностите за работа със задачи, а не само върху придвижването.

Предизвикателства пред данните

Събирането и стандартизирането на данни, особено за сложни задачи, е значително предизвикателство.

Данни от реалния свят

Данните от реалния свят са от решаващо значение, особено за сложни физически взаимодействия, които трудно се симулират.

Симулация срещу данни от реалния свят

Симулационни данни

Симулационните данни са по-рентабилни, мащабируеми и универсални за обучение на въплътени модели с общо предназначение.

Данни от реалния свят

Данните от реалния свят са от съществено значение за улавяне на нюансите на физическите взаимодействия, като триене и еластичност.

Световни модели

След като роботите имат надеждни световни модели, мащабни симулации могат да се използват за тестване и подобряване на тяхната производителност в различни сценарии.

Бъдещи приложения

Близки приложения (2-3 години)

Индустриално производство: Роботите могат да изпълняват сложни задачи, изискващи сръчност в контролирана среда.
Дистанционни операции: Роботите могат да се използват в опасни среди, като например работа с опасни материали.
Контролирана среда: Роботите ще бъдат разположени в контролирана среда като ресторанти, хотели и фабрики.
Специфични задачи: Роботите ще се използват за задачи като доставка на храна, приготвяне на кафе и извършване на лека поддръжка.
Фабрики, офиси и сигурност: Това са най-вероятните области за първоначално разполагане.

Дългосрочни приложения

Домашна среда: Най-сложното, но много очаквано приложение е в домашна среда.
Домакински задачи: Роботите в крайна сметка ще могат да изпълняват задачи като готвене, сгъване на пране и почистване.
Намаляване на разходите: С напредването на технологиите цената на роботите ще намалее, което ще ги направи по-достъпни за потребителите.
Роботи с общо предназначение: Фокусът ще се измести към роботи с общо предназначение, които могат да обслужват различни нужди.
Пазарни съображения: Компаниите трябва да вземат предвид функционалността, производителността, отвореността и толерантността към риска на различните приложения.

Volcano Engine VeOmniverse

Виртуална симулационна платформа: veOmniverse е базирана на облак платформа за симулация и обучение на роботи.

Реалистична среда: Създава високореалистична дигитална среда за обучение и тестване на роботи.

Рентабилна: Намалява нуждата от физическо оборудване и намалява разходите за разработка.

Изчерпателно обучение: Платформата използва визуални двигатели, физически двигатели, симулация на сензори и 3D генериране, за да създаде цялостна система за обучение.

AI поддръжка: Платформата използва AI за генериране на висококачествени данни за обучение и ускоряване на процеса на обучение.

Персонализиране: Платформата е отворена и персонализируема, което позволява на компаниите да разработват персонализирани приложения за дигитални двойници.

Ускорено развитие: Помага на компаниите бързо да изграждат, валидират и оптимизират модели на роботи.

Индустриална трансформация: veOmniverse е ключов инструмент за интелигентната и дигитална трансформация на индустрията за роботика.