Published on

Era Perak Kecerdasan Embodied: Analisis Mendalam

Penulis
  • avatar
    Nama
    Ajax
    Twitter

Latar Belakang

Kemajuan pesat model AI besar telah memicu investasi signifikan dalam industri robotika. Namun, lonjakan pendanaan ini juga membawa risiko pasar yang terlalu panas. Tantangan intinya adalah mengidentifikasi terobosan sejati dalam teknologi dan penerapannya. Pertanyaan-pertanyaan penting meliputi:

  • Haruskah fokus pada pembelajaran penguatan (reinforcement learning) atau pembelajaran simulasi?
  • Apakah lebih penting untuk memprioritaskan simulasi atau pengujian dunia nyata?
  • Haruskah penekanan pada visi atau mesin fisik?

Peserta Meja Bundar

Meja bundar ini melibatkan para ahli dari berbagai latar belakang:

  • Chen Yang: Wakil Presiden Galaxy General Robotics
  • Shi Lingxiang: Kepala Inkubasi Inovasi di Volcano Engine (Moderator)
  • Wu Di: Kepala Algoritma Cerdas di Volcano Engine
  • Wan Haoji: Mitra di Matrix Partners China
  • Wang Xiao: Pendiri Nine Chapters Capital
  • Yan Weixin: Co-founder Shanghai Zhiyuan Robotics dan Pengawas Doktoral di Universitas Shanghai Jiao Tong

Poin-Poin Diskusi Utama

Lonjakan Investasi Robotika

Mengapa ada kegembiraan? Aplikasi AI dibagi menjadi dua kategori: aplikasi lunak (seperti chatbot dan pembuatan video) dan aplikasi keras (seperti robotika). Robotika dipandang sebagai aplikasi keras AI yang paling serbaguna.

  • Fokus Investasi: Investor mencari perusahaan yang dapat mengintegrasikan perangkat lunak dan perangkat keras serta mendemonstrasikan aplikasi dunia nyata di luar demo.
  • Tantangan Komersialisasi: Komersialisasi robot lebih lambat dari yang diharapkan, terutama di lingkungan yang kompleks seperti rumah dan layanan B2B.
  • Koordinasi antara "otak" (AI) dan "otak kecil" (sistem kontrol) perlu ditingkatkan.
  • Pengurangan biaya sangat penting untuk adopsi yang luas.

Jalan Menuju Komersialisasi

  • Konsensus: Ada kesepakatan umum bahwa robotika akan berhasil, tetapi garis waktu dan perusahaan terkemuka masih belum pasti.
  • Banyak Pemenang: Pasar tidak mungkin didominasi oleh satu perusahaan, mirip dengan industri kendaraan listrik.
  • Komersialisasi Awal: Model besar telah memberikan robot kemampuan interaksi dan berpikir yang lebih baik.
  • Hambatan Teknis: Meskipun tidak ada hambatan teknis yang tidak dapat diatasi, prosesnya akan lebih lama dan lebih menantang dari yang diantisipasi.
  • Peran VC: Modal ventura memainkan peran penting dalam mempercepat pengembangan dengan menyediakan pendanaan.

Pentingnya Kecerdasan Umum

  • Pergeseran Fokus: Fokus harus pada robot yang beradaptasi dengan manusia dan lingkungan, bukan sebaliknya.
  • Data Simulasi: Menggunakan sejumlah besar data simulasi adalah kunci untuk memungkinkan robot memiliki kecerdasan umum.
  • Tantangan Startup: Startup robotika menghadapi tantangan signifikan dalam teknologi, pengembangan produk, dan model bisnis.
  • Kolaborasi Industri: Industri membutuhkan kolaborasi di seluruh rantai pasokan dan dukungan dari investor.

Jalur Teknis untuk Kecerdasan Embodied

  • Pembelajaran Imitasi dan Penguatan: Menggunakan pembelajaran imitasi untuk meningkatkan pembelajaran penguatan adalah pendekatan yang layak untuk kontrol gaya berjalan.
  • Simulasi untuk Anggota Badan Bawah: Data simulasi efektif untuk kontrol gaya berjalan anggota badan bawah, tetapi penyetelan parameter dan konsistensi produk masih menjadi tantangan.
  • Fokus pada Anggota Badan Atas: Ada kebutuhan untuk mengalihkan fokus dari gerakan anggota badan bawah ke kemampuan operasi tugas keseluruhan dari robot humanoid.
  • Operasi Tugas: Fokus harus pada kemampuan operasi tugas daripada hanya lokomosi.
  • Tantangan Data: Mengumpulkan dan menstandarisasi data, terutama untuk tugas yang kompleks, adalah tantangan yang signifikan.
  • Data Dunia Nyata: Data dunia nyata sangat penting, terutama untuk interaksi fisik yang kompleks yang sulit disimulasikan.

Simulasi vs. Data Dunia Nyata

  • Data Simulasi: Data simulasi lebih hemat biaya, terukur, dan serbaguna untuk melatih model embodied tujuan umum.
  • Data Dunia Nyata: Data dunia nyata sangat penting untuk menangkap nuansa interaksi fisik, seperti gesekan dan elastisitas.
  • Model Dunia: Setelah robot memiliki model dunia yang andal, simulasi skala besar dapat digunakan untuk menguji dan meningkatkan kinerja mereka dalam berbagai skenario.

Aplikasi Masa Depan

Aplikasi Jangka Dekat (2-3 Tahun)

  • Manufaktur Industri: Robot dapat melakukan tugas kompleks yang membutuhkan ketangkasan di lingkungan yang terkontrol.
  • Operasi Jarak Jauh: Robot dapat digunakan di lingkungan berbahaya, seperti menangani bahan berbahaya.
  • Lingkungan Terkontrol: Robot akan ditempatkan di lingkungan terkontrol seperti restoran, hotel, dan pabrik.
  • Tugas Spesifik: Robot akan digunakan untuk tugas seperti mengantarkan makanan, membuat kopi, dan melakukan perawatan ringan.
  • Pabrik, Kantor, dan Keamanan: Ini adalah area yang paling mungkin untuk penerapan awal.

Aplikasi Jangka Panjang

  • Lingkungan Rumah: Aplikasi yang paling kompleks tetapi sangat dinanti adalah di lingkungan rumah.
  • Tugas Rumah Tangga: Robot pada akhirnya akan dapat melakukan tugas seperti memasak, melipat cucian, dan membersihkan.
  • Pengurangan Biaya: Seiring kemajuan teknologi, biaya robot akan menurun, membuatnya lebih mudah diakses oleh konsumen.
  • Robot Tujuan Umum: Fokus akan bergeser ke robot tujuan umum yang dapat melayani berbagai kebutuhan.
  • Pertimbangan Pasar: Perusahaan perlu mempertimbangkan fungsionalitas, kinerja, keterbukaan, dan toleransi risiko dari berbagai aplikasi.

Volcano Engine VeOmniverse

  • Platform Simulasi Virtual: veOmniverse adalah platform berbasis cloud untuk simulasi dan pelatihan robot.
  • Lingkungan Realistis: Ini menciptakan lingkungan digital yang sangat realistis untuk melatih dan menguji robot.
  • Hemat Biaya: Ini mengurangi kebutuhan akan peralatan fisik dan menurunkan biaya pengembangan.
  • Pelatihan Komprehensif: Platform ini menggunakan mesin visual, mesin fisik, simulasi sensor, dan generasi 3D untuk membuat sistem pelatihan yang komprehensif.
  • Dukungan AI: Platform ini menggunakan AI untuk menghasilkan data pelatihan berkualitas tinggi dan mempercepat proses pelatihan.
  • Kustomisasi: Platform ini terbuka dan dapat disesuaikan, memungkinkan perusahaan untuk mengembangkan aplikasi digital twin yang dipersonalisasi.
  • Pengembangan yang Dipercepat: Ini membantu perusahaan dengan cepat membangun, memvalidasi, dan mengoptimalkan model robot.
  • Transformasi Industri: veOmniverse adalah alat utama untuk transformasi cerdas dan digital industri robotika.