Человекообразные Боты: следующая вычислительная платформа, переходящая от научной фантастики к реальности

Человекообразные Боты быстро переходят из научной фантастики в реальность. Снижение затрат на оборудование, рост капитальных вложений и технологические прорывы в гибкости движений и операционных способностях - эти три фактора постоянно сливаются, активно способствуя новому значительному обновлению платформы в области вычислений.

Несмотря на то, что вычислительная мощность и аппаратные средства становятся все более коммерческими, принося преимущества в снижении затрат для робототехнической инженерии, отрасль по-прежнему сталкивается с ограничениями, связанными с узким местом тренировочных данных. В этом контексте некоторые проекты начали использовать децентрализованный физический искусственный интеллект (DePAI) для краудсорсинга высокоточных движений и синтетических данных, а также для построения базовых моделей роботов. Это дает им уникальное преимущество в продвижении развертывания гуманоидных роботов.

От однофункциональной формы к многофункциональной

Коммерциализация робототехники не является новой концепцией. Известные широкой аудитории роботы для уборки или камеры для домашних животных относятся к устройствам с одной функцией. С развитием искусственного интеллекта роботы эволюционируют от однопрофильных машин к многофункциональным формам, стремясь адаптироваться к работам в открытой среде.

Человекообразные Боты в течение следующих 5-15 лет постепенно усовершенствуются от выполнения базовых задач, таких как уборка и готовка, до выполнения сложных работ, таких как прием услуг, пожаротушение и даже хирургические операции.

Недавние разработки превращают гуманоидных Боты из научной фантастики в реальность:

• Рыночная динамика: более 100 компаний занимаются разработкой人形机器人
• Аппаратные технологии успешно преодолели ужасную долину: новое поколение гуманоидных Ботов демонстрирует естественные и плавные движения, позволяя им взаимодействовать с человеком в реальных условиях. Некоторые Боты могут двигаться со скоростью до 3,3 метра в секунду, что значительно превышает среднюю скорость человека в 1,4 метра в секунду.
• Новый парадигма затрат на 人形机器人: ожидается, что к 2032 году они будут ниже уровня зарплат американских работников.

Проблемы развития: Обучающие данные из реального мира

Несмотря на очевидные положительные факторы в области гуманоидных Ботов, низкое качество данных и их нехватка по-прежнему препятствуют их массовому развертыванию.

Другие технологии искусственного интеллекта, такие как технологии автономного вождения, уже в значительной степени решили проблему данных с помощью камер и сенсоров, установленных на существующих автомобилях. Некоторые автопарки автономных систем могут генерировать миллиарды миль реальных данных о вождении на дорогах. На начальном этапе развития эти компании оснащали свои автомобили реальными наблюдателями на переднем пассажирском сиденье для проведения обучения в реальном времени.

Тем не менее, потребители вряд ли примут существование "Боты-няни". Боты должны обладать высокой производительностью "из коробки", что делает сбор данных перед развертыванием крайне важным. Все обучение должно быть завершено до коммерческого производства, а масштаб и качество данных по-прежнему остаются актуальной проблемой.

Существует огромная разница в масштабах обучающих данных в различных областях искусственного интеллекта:

• Объем данных для обучения больших языковых моделей может превышать 15 триллионов текстовых маркеров.
• Модели генерации изображений используют миллиарды пар видео с текстовыми метками.
• В отличие от этого, самый большой набор данных Ботов содержит всего около 2,4 миллиона записей взаимодействий.

Этот разрыв объясняет, почему Боты еще не достигли уровня настоящей базовой модели, как это сделали крупные языковые модели, и ключевым моментом является то, что база данных еще не завершена.

Традиционные методы сбора данных не могут удовлетворить масштабные потребности в данных для обучения человекоподобных Ботов:

• Симуляция: низкие затраты, но отсутствие реальных границ (пропасть между симуляцией и реальностью)
• Интернет-видео: не может обеспечить обязательные для обучения Боты ощущения тела и окружающую среду с обратной связью.
• Реальные данные: хотя они точны, но требуют удаленного управления и ручной замкнутой операции, что приводит к высоким затратам и отсутствию масштабируемости.

Обучение моделей в виртуальной среде является недорогим и масштабируемым, однако эти модели часто сталкиваются с трудностями при развертывании в реальном мире. Эта проблема называется разрывом между виртуальным и реальным (Sim2Real).

Например, Боты, обученные в симулированной среде, могут легко захватывать объекты с идеальным освещением и ровной поверхностью, но когда они сталкиваются с беспорядочной средой, неровной текстурой или различными неожиданными ситуациями, с которыми человек сталкивается в реальном мире, они часто оказываются в безвыходном положении.

Полный стек видения децентрализованного сущностного ИИ

Некоторые инновационные проекты разрабатывают вертикально интегрированное программное обеспечение и данные для приложений с использованием具身智能 Ботов. Основная цель этих проектов заключается в решении проблемы узких мест данных в области гуманоидных Ботов, но их видение не ограничивается этим. Объединив собственную разработку аппаратного обеспечения, мультимодальную симуляционную инфраструктуру и базовые модели, они станут полностековыми драйверами для достижения具身智能.

Эти платформы используют специализированное потребительское оборудование для захвата движений в качестве отправной точки для создания быстроразвивающейся экосистемы игр дополненной и виртуальной реальности. Пользователи предоставляют высокоточные данные о движениях в обмен на сетевые вознаграждения, способствуя постоянному развитию платформы.

Удивительно, что этот рост полностью обусловлен естественным развитием: пользователи привлекаются развлекательной природой игры, а стримеры используют устройства захвата движения для реализации захвата реального состояния цифровых образов. Этот спонтанно сформировавшийся благоприятный цикл обеспечивает масштабируемое, низкозатратное и высококачественное производство данных, что делает соответствующие наборы данных конкурентоспособными ресурсами для обучения ведущих компаний в области Ботов.

Некоторые проекты все еще разрабатывают многомодальные платформы данных для унифицированной фрагментированной среды моделирования. В настоящее время область моделирования сильно фрагментирована, различные инструменты действуют независимо, хотя каждый из них имеет свои преимущества, но не могут взаимодействовать. Эта раздробленность замедляет процесс разработки и увеличивает разрыв между моделированием и реальностью. Создавая стандартизацию для нескольких симуляторов, эти платформы создали общую виртуальную инфраструктуру для разработки и оценки Ботов моделей. Эта интеграция поддерживает последовательное бенчмаркинг, что значительно повышает масштабируемость и обобщающую способность системы.

Боты базовая модель

Некоторые проекты разрабатывают Боты базовые модели, которые создаются как основные системы новой физической инфраструктуры искусственного интеллекта. Их позиционирование похоже на традиционные большие языковые базовые модели, но ориентировано на область Ботов.

Объединяя краудсорсинг данных о движении с мощной системой моделирования и системой лицензирования моделей, эти проекты могут обучать базовые модели, обладающие способностью к обобщению в различных сценариях. Эта модель может поддерживать разнообразные приложения Ботов в промышленных, потребительских и исследовательских областях, обеспечивая универсальное развертывание на основе огромного объема разнообразных данных.

Роль технологий криптовалют в технологическом стеке физического искусственного интеллекта

Криптографические технологии строят полный вертикальный стек для физического искусственного интеллекта. Хотя эти проекты относятся к различным уровням физического стека искусственного интеллекта, у них есть одна общая черта: большинство из них являются децентрализованными физическими искусственными интеллектами (DePAI). DePAI создает открытую, составную и безразрешительную механизмы масштабирования через токенизированные стимулы, и именно это новшество делает возможным децентрализованное развитие физического искусственного интеллекта.

Когда механизм стимулов токенов будет официально запущен, участие в сети станет ключевым элементом эффекта маховика DePAI, ускоряя его рост: пользователи, приобретающие аппаратные устройства, смогут получать стимулы от проектной команды, в то время как компании по разработке Ботов будут выплачивать вознаграждения за вклад владельцам устройств. Эта двойная система стимулов будет способствовать тому, чтобы больше людей покупали и использовали соответствующие устройства. В то же время проектная команда будет динамически поощрять сбор данных о пользовательских действиях с высокой добавленной стоимостью, тем самым более эффективно преодолевая технологический разрыв между симуляцией и реальным применением (Sim2Real).

Заключение

Революция платформы Ботов不可阻挡, но, как и все платформы, ее масштабное развитие невозможно без поддержки данных. Некоторые инновационные проекты превращают широкие массы в "майнеров" действий. Как большие языковые модели требуют текстовой разметки, так и человекоподобные Боты нуждаются в огромных последовательностях действий для обучения. Благодаря этим усилиям мы преодолеем последний барьер и осуществим переход человекоподобных Ботов из научной фантастики в реальность.