Era Perak Kecerdasan Terjelma: Analisis Mendalam

Perkembangan pesat model AI besar telah memacu pelaburan yang signifikan dalam industri robotik. Namun, lonjakan dalam pendanaan ini juga membawa risiko pasaran yang terlalu panas. Cabaran utamanya adalah untuk mengenal pasti terobosan sebenar dalam teknologi dan aplikasinya. Persoalan penting termasuk:

Haruskah tumpuan diberikan pada pembelajaran penguatan atau pembelajaran simulasi?
Adakah lebih penting untuk mengutamakan simulasi atau ujian dunia nyata?
Haruskah penekanan diberikan pada visi atau enjin fizikal?

Perbincangan meja bulat di persidangan Volcano Engine FORCE melibatkan pakar dari pelbagai latar belakang, termasuk:

Chen Yang: Naib Presiden Galaxy General Robotics
Shi Lingxiang: Ketua Inkubasi Inovasi di Volcano Engine (Moderator)
Wu Di: Ketua Algoritma Pintar di Volcano Engine
Wan Haoji: Rakan Kongsi di Matrix Partners China
Wang Xiao: Pengasas Nine Chapters Capital
Yan Weixin: Pengasas Bersama Shanghai Zhiyuan Robotics dan Penyelia Doktor di Shanghai Jiao Tong University

Lonjakan Pelaburan dalam Robotik

Mengapa kegembiraan ini? Aplikasi AI dibahagikan kepada dua kategori: aplikasi lembut (seperti chatbot dan penjanaan video) dan aplikasi keras (seperti robotik). Robotik dilihat sebagai aplikasi keras AI yang paling serba boleh. Pelabur mencari syarikat yang boleh mengintegrasikan perisian dan perkakasan serta menunjukkan aplikasi dunia nyata di luar demo. Namun, komersialisasi robot lebih lambat dari yang dijangkakan, terutama dalam persekitaran kompleks seperti rumah dan perkhidmatan B2B. Koordinasi antara "otak" (AI) dan "otak kecil" (sistem kawalan) perlu diperbaiki. Pengurangan kos juga penting untuk penerimaan yang meluas.

Jalan Menuju Komersialisasi

Terdapat konsensus umum bahawa robotik akan berjaya, tetapi garis masa dan syarikat terkemuka masih belum pasti. Pasaran tidak mungkin didominasi oleh satu syarikat, sama seperti industri kenderaan elektrik. Model besar telah memberikan robot kemampuan interaksi dan pemikiran yang lebih baik. Walaupun tidak ada halangan teknikal yang tidak dapat diatasi, prosesnya akan lebih panjang dan lebih mencabar daripada yang dijangkakan. Modal teroka memainkan peranan penting dalam mempercepat pembangunan melalui pembiayaan.

Kepentingan Kecerdasan Umum

Tumpuan harus beralih kepada robot yang menyesuaikan diri dengan manusia dan persekitaran, bukan sebaliknya. Penggunaan data simulasi yang banyak adalah kunci untuk membolehkan robot memiliki kecerdasan umum. Syarikat permulaan robotik menghadapi cabaran yang signifikan dalam teknologi, pengembangan produk, dan model perniagaan. Industri memerlukan kerjasama di seluruh rantaian bekalan dan sokongan daripada pelabur.

Laluan Teknikal untuk Kecerdasan Terjelma

Pembelajaran imitasi dan penguatan: Menggunakan pembelajaran imitasi untuk meningkatkan pembelajaran penguatan adalah pendekatan yang berdaya maju untuk kawalan gaya berjalan. Data simulasi berkesan untuk kawalan gaya berjalan anggota bawah, tetapi penyesuaian parameter dan konsistensi produk masih menjadi cabaran. Terdapat keperluan untuk mengalihkan tumpuan daripada pergerakan anggota bawah kepada kemampuan operasi tugas keseluruhan robot humanoid. Tumpuan harus diberikan pada kemampuan operasi tugas dan bukan hanya pergerakan. Mengumpulkan dan menyeragamkan data, terutama untuk tugas kompleks, adalah cabaran yang signifikan. Data dunia nyata sangat penting, terutama untuk interaksi fizikal yang kompleks yang sukar disimulasikan.

Simulasi Vs. Data Dunia Nyata

Data simulasi lebih menjimatkan kos, berskala, dan serba boleh untuk melatih model terjelma tujuan umum. Data dunia nyata penting untuk menangkap nuansa interaksi fizikal, seperti geseran dan keanjalan. Setelah robot mempunyai model dunia yang boleh dipercayai, simulasi berskala besar dapat digunakan untuk menguji dan meningkatkan prestasi mereka dalam pelbagai senario.

Aplikasi Masa Depan

Dalam jangka masa terdekat (2-3 tahun), robot boleh digunakan dalam:

Pembuatan Industri: Robot dapat melakukan tugas kompleks yang memerlukan ketangkasan dalam persekitaran terkawal.
Operasi Jarak Jauh: Robot boleh digunakan dalam persekitaran berbahaya, seperti mengendalikan bahan berbahaya.
Persekitaran Terkawal: Robot akan digunakan di persekitaran terkawal seperti restoran, hotel, dan kilang.
Tugas Tertentu: Robot akan digunakan untuk tugas seperti menghantar makanan, membuat kopi, dan melakukan penyelenggaraan ringan.
Kilang, Pejabat, dan Keselamatan: Ini adalah bidang yang paling mungkin untuk penggunaan awal.

Dalam jangka masa panjang, aplikasi yang paling kompleks tetapi sangat dinanti-nantikan adalah di persekitaran rumah. Robot akhirnya akan dapat melakukan tugas seperti memasak, melipat pakaian, dan membersihkan. Seiring kemajuan teknologi, kos robot akan menurun, menjadikannya lebih mudah diakses oleh pengguna. Tumpuan akan beralih kepada robot tujuan umum yang dapat melayani pelbagai keperluan. Syarikat perlu mempertimbangkan fungsi, prestasi, keterbukaan, dan toleransi risiko pelbagai aplikasi.

Volcano Engine VeOmniverse

VeOmniverse adalah platform berasaskan awan untuk simulasi dan latihan robot. Ia mencipta persekitaran digital yang sangat realistik untuk melatih dan menguji robot. Ia mengurangkan keperluan untuk peralatan fizikal dan menurunkan kos pembangunan. Platform ini menggunakan enjin visual, enjin fizikal, simulasi sensor, dan penjanaan 3D untuk membuat sistem latihan yang komprehensif. Ia menggunakan AI untuk menghasilkan data latihan berkualiti tinggi dan mempercepat proses latihan. Platform ini terbuka dan boleh disesuaikan, yang membolehkan syarikat mengembangkan aplikasi kembar digital yang diperibadikan. Ia membantu syarikat dengan cepat membina, mengesahkan, dan mengoptimumkan model robot. veOmniverse adalah alat utama untuk transformasi pintar dan digital industri robotik.