Fizička AI između velikih ulaganja i manjka podataka
Fizička AI privlači milijarde dolara ulaganja, ali tržište istovremeno pokazuje koliko su modeli za robote još daleko od pouzdanog komercijalnog rada. Unitree, vodeći kineski proizvođač robota, posle izlaska na kinesko tržište kapitala dostigao je vrednost od 66 milijardi dolara, a zatim je tokom jedne sedmice izgubio gotovo polovinu te vrednosti. Konferencija Actuate, koju organizuje Foxglove, okupila je 1.500 učesnika, tri puta više nego pri pokretanju 2023. godine.
Rast interesovanja ne rešava osnovni problem: roboti napreduju u fizičkim sposobnostima, ali često nemaju dovoljno znanja i pouzdanosti da obavljaju posao koji stvara konkretnu vrednost. Avala je taj izazov nazvala „krizom podataka u robotici“, odnosno manjkom kvalitetnih skupova podataka za obuku modela.
Podaci i simulacije kao usko grlo
Pokušaji razvoja robota opšte namene, sposobnih za bilo koji zadatak, i dalje su udaljeni od praktične primene. Ni učenje od kraja do kraja za pojedinačne zadatke još nije donelo proizvode sa stabilnim komercijalnim performansama. Harry Mellsop iz startapa Antioch opisuje sadašnji razvoj fizičke AI kao „GPT-2 fazu“: potrebno je više podataka i računarske snage da bi sistemi prešli narednu granicu.
Posebno su važni GPU sistemi optimizovani za praćenje zraka, jer omogućavaju simulacije visoke vernosti. Autonomna vozila trenutno imaju prednost: podatke mogu prikupljati iz automobila kojima upravljaju ljudi, a njihov osnovni zadatak je izbegavanje kontakta, dok roboti za manipulaciju predmetima moraju delovati u znatno raznovrsnijem fizičkom okruženju.
Automobilski alati prelaze u humanoidnu robotiku
Veliki deo infrastrukture za izgradnju modela potiče iz sektora autonomne vožnje. Foxglove su osnovali bivši zaposleni kompanije Cruise, dok Tesla razvija robota Optimus. Wayve i Uber takođe su pokrenuli laboratorije za robotiku usmerene na humanoidne forme. Alex Kendall iz Wayvea smatra da će infrastruktura za podatke, simulaciju i ML operacije imati mnogo zajedničkog između vozila i robota, iako će modeli sveta morati da se prilagode različitim fizičkim oblicima.
Théophile Gervet iz Genesis AI zastupa drugačiji pristup: smatra da je prerano oslanjati se samo na strategiju razvoja „mozga“ robota i da postoje prilike za zajedničko oblikovanje hardvera i AI sistema. Ta razlika pokazuje da se industrija još nije usaglasila ni oko optimalne platforme, ni oko granice između univerzalnog modela i specijalizovanog uređaja.
Uski zadaci već stvaraju operativnu vrednost
Kompanije koje se fokusiraju na određene poslove već izlaze iz laboratorija. Gritt gradi solarne farme, Agility raspoređuje robote u industrijskim okruženjima, a Bedrock autonomno upravlja bagerima. Takvo usmerenje donosi prihode, ali i podatke iz stvarnih radnih uslova. Kevin Peterson, tehnički direktor Bedrocka, navodi da kompanija počinje od iskopa kako bi razumela manipulaciju u nepredvidivom okruženju, a zatim planira sloj inteligencije za više građevinskih mašina.
Foxglove je predstavio proizvod zasnovan na Nvidia Cosmos modelu sveta sa otvorenim težinama, koji inženjerima omogućava pretragu vizuelnih i lidar podataka upitima na prirodnom jeziku radi izgradnje evaluacija i simulacija. Cilj je brže otkrivanje grešaka i kraći ciklus iteracije. Za poslovanje je zato važno da se robotika procenjuje kroz jasno definisan zadatak, kvalitet podataka sa terena i merljivu pouzdanost, a ne samo kroz obećanje opšte namene.