Ο ιδρυτής και διευθύνων σύμβουλος της Figure, Brett Adcock, αποκάλυψε το Helix, ένα νέο μοντέλο μηχανικής μάθησης για ανθρωποειδή ρομπότ. Πρόκειται για ένα “generalist” Vision-Language-Action (VLA) μοντέλο.
Τα VLAs είναι μια νέα τάση στη ρομποτική, αξιοποιώντας οπτικές και γλωσσικές εντολές για την επεξεργασία πληροφοριών. Επί του παρόντος, το πιο γνωστό παράδειγμα είναι το RT-2 του Google DeepMind, το οποίο εκπαιδεύει ρομπότ μέσω ενός συνδυασμού video και large language models (LLM). Το Helix της Figure λειτουργεί με παρόμοιο τρόπο, συνδυάζοντας οπτικά δεδομένα και γλωσσικές προτροπές για τον έλεγχο ενός ρομπότ σε πραγματικό χρόνο.
Σε έναν ιδανικό κόσμο, θα μπορούμε να λέμε σε ένα ρομπότ να κάνει κάτι και αυτό απλώς θα το κάνει. Σύμφωνα με τη Figure, σε αυτό μπορεί να βοηθήσει το Helix. Η πλατφόρμα έχει σχεδιαστεί για να γεφυρώσει το χάσμα μεταξύ της όρασης και της επεξεργασίας γλώσσας. Αφού λάβει μια φωνητική εντολή σε φυσική γλώσσα, το ρομπότ θα αξιολογεί οπτικά το περιβάλλον του και στη συνέχεια θα εκτελεί την εργασία.
Δείτε επίσης: Γνωρίστε τον Adam: Ένα εντυπωσιακό ρομπότ barista!
Η Figure έδωσε ως παραδείγματα δύο εντολές, «Δώσε τη σακούλα με τα μπισκότα στο ρομπότ στα δεξιά σου» και «Πάρε τη σακούλα με τα μπισκότα από το ρομπότ στα αριστερά σου και τοποθέτησέ την στο ανοιχτό συρτάρι». Και τα δύο αυτά παραδείγματα περιλαμβάνουν ένα ζευγάρι ρομπότ που συνεργάζονται. Το Helix έχει σχεδιαστεί για να ελέγχει δύο ρομπότ ταυτόχρονα, με το ένα να βοηθά το άλλο να εκτελεί διάφορες οικιακές εργασίες.
Η Figure παρουσιάζει το μοντέλο VLM υπογραμμίζοντας τη δουλειά που έχει κάνει η εταιρεία με το ανθρωποειδές ρομπότ 02 στο οικιακό περιβάλλον. Τα σπίτια είναι πιο δύσκολα για τα ρομπότ, δεδομένου ότι δεν έχουν τη δομή και τη συνοχή των αποθηκών και των εργοστασίων. Η δυσκολία με τη μάθηση και τον έλεγχο είναι σημαντικά εμπόδια. Αυτά τα ζητήματα, μαζί με τις υψηλές τιμές, ευθύνονται για το ότι τα οικιακά ρομπότ δεν αποτελούν προτεραιότητα για τις περισσότερες εταιρείες που κατασκευάζουν ανθρωποειδή ρομπότ.
Δείτε επίσης: Ανθρωποειδή ρομπότ χορεύουν με ανθρώπινες κινήσεις με το ExBody2
Με την ανακοίνωση του Helix, η Figure καθιστά σαφές ότι οι εργασίες σπιτιού πρέπει να γίνουν προτεραιότητα για τα ανθρωποειδή ρομπότ. Ωστόσο, υπάρχουν πολλές προκλήσεις. Η εκπαίδευση ρομπότ ώστε να κάνουν πολύπλοκες εργασίες στην κουζίνα, για παράδειγμα, απαιτεί ένα ευρύ φάσμα ενεργειών με διαφορετικές ρυθμίσεις.
«Για να είναι χρήσιμα τα ρομπότ στα νοικοκυριά, θα πρέπει να είναι ικανά να δημιουργούν έξυπνες νέες συμπεριφορές κατά παραγγελία, ειδικά για αντικείμενα που δεν έχουν ξαναδεί», λέει η Figure. «Η διδασκαλία των ρομπότ ακόμη και για μια νέα συμπεριφορά απαιτεί επί του παρόντος ουσιαστική ανθρώπινη προσπάθεια: ώρες προγραμματισμού ή χιλιάδες επιδείξεις».
Ο μη αυτόματος προγραμματισμός για εργασίες στο σπίτι είναι δύσκολος γιατί υπάρχουν πολλά άγνωστα πράγματα. Οι κουζίνες, τα σαλόνια και τα μπάνια διαφέρουν δραματικά μεταξύ τους. Το ίδιο συμβαίνει και με τα εργαλεία που χρησιμοποιούνται για το μαγείρεμα και το καθάρισμα. Επιπλέον, οι άνθρωποι αφήνουν ακαταστασία, αναδιατάσσουν τα έπιπλα, αλλάζουν το φωτισμό. Χρειάζονται ώρες εκπαίδευσης για όλα αυτά.
Δείτε επίσης: Πρωτοποριακός ημιμαραθώνιος στην Κίνα: Άνθρωποι vs Ρομπότ
Η κυκλοφορία του Helix από τη Figure είναι μια πολλά υποσχόμενη εξέλιξη στον τομέα των ανθρωποειδών ρομπότ. Με αυτό το νέο μοντέλο μηχανικής μάθησης, τα ρομπότ μπορούν πλέον να κατανοούν και να εκτελούν πολύπλοκες εργασίες με ευκολία.
Μία από τις βασικές προκλήσεις στην αλληλεπίδραση ανθρώπου-ρομπότ ήταν η έλλειψη φυσικής επικοινωνίας. Οι παραδοσιακές μέθοδοι προγραμματισμού απαιτούν συγκεκριμένες εντολές περιορίζοντας την ευελιξία και την προσαρμοστικότητά του σε δυναμικά περιβάλλοντα.
Πηγή: techcrunch.com
