A Era de Prata da Inteligência Incorporada: Uma Análise Profunda

A inteligência incorporada, atualmente em sua "era de prata", encontra-se em um período de intensa exploração entre o surgimento inicial e a maturidade plena da tecnologia. Este artigo mergulha nas discussões de uma mesa redonda na conferência Volcano Engine FORCE, onde especialistas de diversas áreas exploraram o potencial de grandes modelos para acelerar o desenvolvimento da robótica.

Contexto

O rápido avanço dos grandes modelos de IA tem impulsionado investimentos significativos na indústria da robótica. Contudo, esse aumento no financiamento também traz o risco de superaquecimento do mercado. O principal desafio é identificar os verdadeiros avanços na tecnologia e em sua aplicação. Algumas questões cruciais incluem:

O foco deve estar no aprendizado por reforço ou no aprendizado por simulação?
É mais importante priorizar a simulação ou os testes no mundo real?
A ênfase deve ser em visão ou em motores físicos?

Participantes da Mesa Redonda

A mesa redonda contou com a presença de especialistas de diversas áreas:

Chen Yang: Vice-Presidente da Galaxy General Robotics
Shi Lingxiang: Head de Incubação de Inovação na Volcano Engine (Moderador)
Wu Di: Head de Algoritmos Inteligentes na Volcano Engine
Wan Haoji: Sócio da Matrix Partners China
Wang Xiao: Fundador da Nine Chapters Capital
Yan Weixin: Co-fundador da Shanghai Zhiyuan Robotics e Supervisor Doutoral na Shanghai Jiao Tong University

Principais Pontos de Discussão

O Aumento do Investimento em Robótica

Por que tanto entusiasmo? As aplicações de IA são divididas em duas categorias: aplicações leves (como chatbots e geração de vídeo) e aplicações pesadas (como robótica). A robótica é vista como a aplicação pesada mais versátil da IA.

Foco do Investimento: Investidores buscam empresas que integrem software e hardware, demonstrando aplicações reais além de protótipos.
Desafios de Comercialização: A comercialização de robôs é mais lenta do que o esperado, especialmente em ambientes complexos como residências e serviços B2B.
A coordenação entre o "cérebro" (IA) e o "cérebro pequeno" (sistemas de controle) precisa melhorar.
A redução de custos é crucial para a adoção em larga escala.

O Caminho para a Comercialização

Consenso: Há um acordo geral de que a robótica será bem-sucedida, mas o cronograma e as empresas líderes ainda são incertos.
Múltiplos Vencedores: O mercado provavelmente não será dominado por uma única empresa, semelhante à indústria de veículos elétricos.
Comercialização Inicial: Grandes modelos proporcionaram aos robôs capacidades aprimoradas de interação e raciocínio.
Obstáculos Técnicos: Embora não existam barreiras técnicas intransponíveis, o processo será mais longo e desafiador do que o previsto.
Papel dos VCs: Os capitalistas de risco desempenham um papel crucial na aceleração do desenvolvimento, fornecendo financiamento.

A Importância da Inteligência Geral

Mudança de Foco: O foco deve estar nos robôs se adaptando a humanos e ambientes, em vez do contrário.
Dados de Simulação: Usar grandes quantidades de dados de simulação é fundamental para permitir que os robôs tenham inteligência geral.
Desafios de Startups: Startups de robótica enfrentam desafios significativos em tecnologia, desenvolvimento de produtos e modelos de negócios.
Colaboração da Indústria: A indústria precisa de colaboração em toda a cadeia de suprimentos e apoio de investidores.

Caminhos Técnicos para a Inteligência Incorporada

Aprendizado por Imitação e Reforço: Usar o aprendizado por imitação para aprimorar o aprendizado por reforço é uma abordagem viável para o controle de marcha.
Simulação para Membros Inferiores: Dados de simulação são eficazes para o controle de marcha de membros inferiores, mas o ajuste de parâmetros e a consistência do produto ainda são desafios.
Foco nos Membros Superiores: Há uma necessidade de mudar o foco do movimento dos membros inferiores para as capacidades gerais de operação de tarefas de robôs humanoides.
Operação de Tarefas: O foco deve estar nas capacidades de operação de tarefas, e não apenas na locomoção.
Desafios de Dados: Coletar e padronizar dados, especialmente para tarefas complexas, é um desafio significativo.
Dados do Mundo Real: Dados do mundo real são cruciais, especialmente para interações físicas complexas que são difíceis de simular.

Simulação vs. Dados do Mundo Real

Dados de Simulação: Dados de simulação são mais econômicos, escaláveis e versáteis para treinar modelos incorporados de propósito geral.
Dados do Mundo Real: Dados do mundo real são essenciais para capturar as nuances das interações físicas, como atrito e elasticidade.
Modelos Mundiais: Uma vez que os robôs tenham modelos mundiais confiáveis, simulações em larga escala podem ser usadas para testar e melhorar seu desempenho em vários cenários.

Aplicações Futuras

Aplicações de Curto Prazo (2-3 Anos)

Manufatura Industrial: Robôs podem realizar tarefas complexas que exigem destreza em ambientes controlados.
Operações Remotas: Robôs podem ser usados em ambientes perigosos, como no manuseio de materiais perigosos.
Ambientes Controlados: Robôs serão implantados em ambientes controlados, como restaurantes, hotéis e fábricas.
Tarefas Específicas: Robôs serão usados para tarefas como entrega de comida, preparo de café e manutenção leve.
Fábricas, Escritórios e Segurança: Estas são as áreas mais prováveis para implantação inicial.

Aplicações de Longo Prazo

Ambientes Domésticos: A aplicação mais complexa, mas altamente antecipada, é em ambientes domésticos.
Tarefas Domésticas: Robôs poderão eventualmente realizar tarefas como cozinhar, dobrar roupa e limpar.
Redução de Custos: À medida que a tecnologia avança, o custo dos robôs diminuirá, tornando-os mais acessíveis aos consumidores.
Robôs de Propósito Geral: O foco mudará para robôs de propósito geral que podem atender a várias necessidades.
Considerações de Mercado: As empresas precisam considerar a funcionalidade, desempenho, abertura e tolerância ao risco de diferentes aplicações.

Volcano Engine VeOmniverse

Plataforma de Simulação Virtual: veOmniverse é uma plataforma baseada em nuvem para simulação e treinamento de robôs.
Ambientes Realistas: Ela cria ambientes digitais altamente realistas para treinar e testar robôs.
Econômica: Reduz a necessidade de equipamentos físicos e diminui os custos de desenvolvimento.
Treinamento Abrangente: A plataforma usa motores visuais, motores físicos, simulação de sensores e geração 3D para criar um sistema de treinamento abrangente.
Suporte de IA: A plataforma usa IA para gerar dados de treinamento de alta qualidade e acelerar o processo de treinamento.
Personalização: A plataforma é aberta e personalizável, permitindo que as empresas desenvolvam aplicações de gêmeos digitais personalizadas.
Desenvolvimento Acelerado: Ajuda as empresas a construir, validar e otimizar rapidamente os modelos de robôs.
Transformação da Indústria: veOmniverse é uma ferramenta fundamental para a transformação inteligente e digital da indústria da robótica.