Robot hình người: Nền tảng tính toán thế hệ tiếp theo từ khoa học viễn tưởng đến thực tế
Người hình thông dụng đang nhanh chóng từ tác phẩm khoa học viễn tưởng tiến tới hiện thực. Chi phí phần cứng giảm, đầu tư vốn tăng, cùng với những đột phá công nghệ về tính linh hoạt trong chuyển động và khả năng thao tác, ba yếu tố này đang liên tục hòa quyện, thúc đẩy tích cực lĩnh vực tính toán đón nhận sự lặp lại nền tảng lớn mới.
Mặc dù khả năng tính toán và thiết bị phần cứng ngày càng trở nên thương mại hóa, mang lại lợi thế chi phí cho kỹ thuật robot, nhưng ngành này vẫn phải đối mặt với giới hạn của nút thắt dữ liệu huấn luyện. Trong bối cảnh này, một số dự án bắt đầu tận dụng trí tuệ nhân tạo vật lý phi tập trung (DePAI) để crowdsourcing dữ liệu chuyển động và tổng hợp độ chính xác cao, đồng thời xây dựng mô hình cơ bản cho robot. Điều này đã giúp họ có vị trí thuận lợi đặc biệt trong việc thúc đẩy việc triển khai robot hình người.
Từ chức năng đơn lẻ đến hình thái đa chức năng
Công nghệ robot hóa thương mại không phải là một khái niệm mới. Các robot gia đình như robot hút bụi hay camera cho thú cưng mà mọi người đều biết đều thuộc về thiết bị chức năng đơn. Với sự phát triển của trí tuệ nhân tạo, robot đang tiến hóa từ máy đơn chức năng sang hình thức đa chức năng, nhằm thích ứng với công việc trong môi trường mở.
Người hình Bots sẽ dần dần nâng cấp từ các nhiệm vụ cơ bản như dọn dẹp, nấu ăn trong 5 đến 15 năm tới, cuối cùng có thể đảm nhận các công việc phức tạp như tiếp tân, cứu hỏa và thậm chí là phẫu thuật.
Gần đây, sự phát triển đang biến những robot hình người từ tiểu thuyết khoa học viễn tưởng thành hiện thực:
Thông tin thị trường: Hơn 100 doanh nghiệp đầu tư vào người máy
Công nghệ phần cứng đã thành công vượt qua thung lũng kinh hoàng: Thế hệ robot hình người mới thể hiện những chuyển động tự nhiên mượt mà như nước chảy, cho phép chúng thực hiện tương tác giống con người trong môi trường thực. Tốc độ đi bộ của một số robot thậm chí có thể đạt 3.3 mét mỗi giây, vượt xa tốc độ trung bình của con người là 1.4 mét mỗi giây.
Chi phí mới cho người hình Bots: Dự kiến sẽ thấp hơn mức lương nhân công ở Mỹ vào năm 2032.
Bó hẹp phát triển: Dữ liệu huấn luyện từ thế giới thực
Mặc dù lĩnh vực robot hình người có những yếu tố tích cực rõ ràng, nhưng vấn đề chất lượng dữ liệu kém và thiếu hụt vẫn cản trở sự triển khai quy mô lớn của nó.
Các công nghệ thực thể trí tuệ nhân tạo khác, chẳng hạn như công nghệ lái xe tự động, đã cơ bản giải quyết vấn đề dữ liệu thông qua các camera và cảm biến gắn trên xe hiện có. Một số đội xe của hệ thống lái xe tự động có khả năng tạo ra hàng tỷ dặm dữ liệu lái xe thực tế trên đường. Trong giai đoạn phát triển ban đầu, các công ty này đã cho xe ra đường với một giám sát viên thực tế ngồi ở ghế phụ lái để đào tạo trực tiếp.
Tuy nhiên, người tiêu dùng có thể không chấp nhận sự tồn tại của "Bots bảo mẫu". Bots phải có hiệu suất cao ngay từ khi xuất xưởng, điều này làm cho việc thu thập dữ liệu trước khi triển khai trở nên cực kỳ quan trọng. Tất cả các quá trình đào tạo phải được hoàn thành trước khi sản xuất thương mại, trong khi quy mô và chất lượng dữ liệu vẫn là những vấn đề tồn tại.
Quy mô dữ liệu huấn luyện trong các lĩnh vực trí tuệ nhân tạo khác nhau có sự chênh lệch lớn:
Quy mô dữ liệu huấn luyện của mô hình ngôn ngữ lớn có thể đạt hơn 15 triệu tỷ dấu văn bản.
Mô hình sinh hình ảnh sử dụng hàng tỷ cặp video văn bản có nhãn.
So với, bộ dữ liệu robot lớn nhất chỉ chứa khoảng 2.4 triệu bản ghi tương tác.
Sự chênh lệch này giải thích tại sao công nghệ robot chưa đạt được mô hình cơ bản thực sự giống như các mô hình ngôn ngữ lớn, điều cốt yếu nằm ở việc cơ sở dữ liệu vẫn chưa hoàn thiện.
Các phương pháp thu thập dữ liệu truyền thống khó đáp ứng nhu cầu quy mô dữ liệu huấn luyện của robot hình người:
Mô phỏng: Chi phí thấp nhưng thiếu các cảnh giới hạn thực tế (khoảng cách giữa mô phỏng và thực tế)
Video internet: Không thể cung cấp cảm giác cơ thể và môi trường phản hồi lực cần thiết cho việc học của Bots.
Dữ liệu từ thế giới thực: Mặc dù chính xác, nhưng cần điều khiển từ xa và hoạt động khép kín bằng nhân lực, điều này dẫn đến chi phí cao và thiếu khả năng mở rộng.
Việc đào tạo mô hình trong môi trường ảo có chi phí thấp và khả năng mở rộng cao, nhưng những mô hình này thường gặp khó khăn khi triển khai trong thế giới thực. Vấn đề này được gọi là khoảng cách từ ảo đến thực (Sim2Real).
Ví dụ, những Bots được đào tạo trong môi trường mô phỏng có thể dễ dàng nhặt những vật thể có ánh sáng hoàn hảo và bề mặt phẳng, nhưng khi đối mặt với môi trường lộn xộn, kết cấu gồ ghề, hoặc các tình huống bất ngờ mà con người thường gặp trong thế giới thực, chúng thường không biết phải làm gì.
Tầm nhìn toàn diện về AI phi tập trung
Một số dự án đổi mới đang xây dựng phần mềm và nền tảng dữ liệu tích hợp theo chiều dọc dành cho các ứng dụng robot thông minh có thân. Mục tiêu chính của những dự án này là giải quyết vấn đề tắc nghẽn dữ liệu trong lĩnh vực robot hình người, nhưng tầm nhìn của chúng không chỉ dừng lại ở đó. Thông qua việc tự phát triển phần cứng, cơ sở hạ tầng mô phỏng đa phương thức và sự kết hợp của các mô hình cơ bản, chúng sẽ trở thành những động lực toàn diện cho việc đạt được trí thông minh có thân.
Các nền tảng này bắt đầu từ các thiết bị cảm biến chuyển động tiêu dùng độc quyền, xây dựng một hệ sinh thái trò chơi thực tế tăng cường và thực tế ảo đang mở rộng nhanh chóng. Người dùng cung cấp dữ liệu chuyển động độ phân giải cao để đổi lấy phần thưởng khuyến khích trên mạng, thúc đẩy sự phát triển liên tục của nền tảng.
Điều đáng chú ý là, sự tăng trưởng này hoàn toàn xuất phát từ sự phát triển tự nhiên: người dùng bị thu hút bởi tính giải trí của trò chơi, các streamer thì sử dụng thiết bị bắt chuyển động để thực hiện việc bắt hình thể số theo thời gian thực. Chu trình tích cực tự phát này đã tạo ra một sản xuất dữ liệu có thể mở rộng, chi phí thấp và độ trung thực cao, khiến cho các tập dữ liệu liên quan trở thành nguồn tài nguyên huấn luyện mà các công ty Bots hàng đầu đều muốn áp dụng.
Một số dự án vẫn đang phát triển nền tảng dữ liệu đa phương thức cho môi trường mô phỏng phân mảnh thống nhất. Hiện tại, lĩnh vực mô phỏng đang bị chia cắt cao độ, các công cụ khác nhau hoạt động độc lập, mặc dù mỗi công cụ đều có ưu điểm riêng nhưng không thể tương tác với nhau. Tình trạng phân chia này đã làm chậm tiến độ phát triển, gia tăng khoảng cách giữa mô phỏng và thực tế. Bằng cách thực hiện chuẩn hóa các mô phỏng, những nền tảng này đã tạo ra cơ sở hạ tầng ảo chia sẻ dùng để phát triển và đánh giá các mô hình Bots. Sự tích hợp này hỗ trợ việc kiểm tra chuẩn hóa nhất quán, nâng cao mạnh mẽ khả năng mở rộng và khả năng tổng quát của hệ thống.
Bots cơ bản
Một số dự án đang phát triển các mô hình cơ sở Bots, những mô hình này được xây dựng như là hệ thống cốt lõi của hạ tầng trí tuệ nhân tạo vật lý mới nổi. Vị trí của nó tương tự như các mô hình cơ sở ngôn ngữ lớn truyền thống, nhưng hướng tới lĩnh vực Bots.
Bằng cách kết hợp dữ liệu chuyển động do cộng đồng cung cấp với hệ thống mô phỏng mạnh mẽ và hệ thống cấp phép mô hình, các dự án này có thể huấn luyện ra mô hình cơ bản có khả năng tổng quát qua các tình huống khác nhau. Mô hình này có thể hỗ trợ các ứng dụng robot đa dạng trong các lĩnh vực công nghiệp, tiêu dùng và nghiên cứu, đạt được triển khai chung dưới lượng dữ liệu đa dạng khổng lồ.
Vai trò của công nghệ tiền điện tử trong ngăn xếp công nghệ trí tuệ nhân tạo vật lý
Công nghệ mã hóa đang xây dựng một ngăn xếp dọc hoàn chỉnh cho trí tuệ nhân tạo vật lý. Mặc dù những dự án này thuộc về các khía cạnh khác nhau của ngăn xếp trí tuệ nhân tạo vật lý, nhưng chúng có một điểm chung: hầu hết là các dự án trí tuệ nhân tạo vật lý phi tập trung (DePAI). DePAI tạo ra cơ chế mở, có thể kết hợp và không cần giấy phép thông qua các động lực mã thông báo xuyên suốt toàn bộ ngăn xếp công nghệ, và chính sự đổi mới này đã biến việc phát triển phi tập trung của trí tuệ nhân tạo vật lý trở thành hiện thực.
Khi cơ chế khuyến khích mã thông báo chính thức được khởi động, mức độ tham gia của mạng sẽ được coi là yếu tố then chốt để tăng cường hiệu ứng bánh đà DePAI: Người dùng mua thiết bị phần cứng có thể nhận được khuyến khích từ dự án, các công ty phát triển Bots sẽ trả thưởng cho những người sở hữu thiết bị, sự khuyến khích kép này sẽ thúc đẩy nhiều người mua sắm và sử dụng thiết bị liên quan. Đồng thời, dự án sẽ khuyến khích động việc thu thập dữ liệu hành vi tùy chỉnh có giá trị cao, từ đó thu hẹp hiệu quả khoảng cách công nghệ giữa mô phỏng và ứng dụng thực tế (Sim2Real).
Kết luận
Cách mạng nền tảng Bots là không thể ngăn cản, nhưng giống như tất cả các nền tảng khác, sự phát triển quy mô của nó không thể thiếu sự hỗ trợ của dữ liệu. Một số dự án đổi mới đang biến công chúng thành những "thợ mỏ" dữ liệu hành động. Cũng giống như các mô hình ngôn ngữ lớn cần sự hỗ trợ của các nhãn văn bản, các robot hình người cần huấn luyện với hàng triệu chuỗi hành động. Thông qua những nỗ lực này, chúng ta sẽ vượt qua được nút thắt cuối cùng, thực hiện bước nhảy vọt của robot hình người từ khoa học viễn tưởng vào thực tế.
Xem bản gốc
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
12 thích
Phần thưởng
12
5
Chia sẻ
Bình luận
0/400
BlockTalk
· 19giờ trước
Đã tiến thêm một bước gần đến kẻ hủy diệt
Xem bản gốcTrả lời0
SchrodingerWallet
· 19giờ trước
Xem nhà nào có Bots nổi loạn trước.
Xem bản gốcTrả lời0
SorryRugPulled
· 19giờ trước
Bots mà còn không được điều chỉnh tốt thì tạo ra người làm gì?
Sự trỗi dậy của người hình Bots: cuộc cách mạng dữ liệu của nền tảng tính toán thế hệ tiếp theo
Robot hình người: Nền tảng tính toán thế hệ tiếp theo từ khoa học viễn tưởng đến thực tế
Người hình thông dụng đang nhanh chóng từ tác phẩm khoa học viễn tưởng tiến tới hiện thực. Chi phí phần cứng giảm, đầu tư vốn tăng, cùng với những đột phá công nghệ về tính linh hoạt trong chuyển động và khả năng thao tác, ba yếu tố này đang liên tục hòa quyện, thúc đẩy tích cực lĩnh vực tính toán đón nhận sự lặp lại nền tảng lớn mới.
Mặc dù khả năng tính toán và thiết bị phần cứng ngày càng trở nên thương mại hóa, mang lại lợi thế chi phí cho kỹ thuật robot, nhưng ngành này vẫn phải đối mặt với giới hạn của nút thắt dữ liệu huấn luyện. Trong bối cảnh này, một số dự án bắt đầu tận dụng trí tuệ nhân tạo vật lý phi tập trung (DePAI) để crowdsourcing dữ liệu chuyển động và tổng hợp độ chính xác cao, đồng thời xây dựng mô hình cơ bản cho robot. Điều này đã giúp họ có vị trí thuận lợi đặc biệt trong việc thúc đẩy việc triển khai robot hình người.
Từ chức năng đơn lẻ đến hình thái đa chức năng
Công nghệ robot hóa thương mại không phải là một khái niệm mới. Các robot gia đình như robot hút bụi hay camera cho thú cưng mà mọi người đều biết đều thuộc về thiết bị chức năng đơn. Với sự phát triển của trí tuệ nhân tạo, robot đang tiến hóa từ máy đơn chức năng sang hình thức đa chức năng, nhằm thích ứng với công việc trong môi trường mở.
Người hình Bots sẽ dần dần nâng cấp từ các nhiệm vụ cơ bản như dọn dẹp, nấu ăn trong 5 đến 15 năm tới, cuối cùng có thể đảm nhận các công việc phức tạp như tiếp tân, cứu hỏa và thậm chí là phẫu thuật.
Gần đây, sự phát triển đang biến những robot hình người từ tiểu thuyết khoa học viễn tưởng thành hiện thực:
Bó hẹp phát triển: Dữ liệu huấn luyện từ thế giới thực
Mặc dù lĩnh vực robot hình người có những yếu tố tích cực rõ ràng, nhưng vấn đề chất lượng dữ liệu kém và thiếu hụt vẫn cản trở sự triển khai quy mô lớn của nó.
Các công nghệ thực thể trí tuệ nhân tạo khác, chẳng hạn như công nghệ lái xe tự động, đã cơ bản giải quyết vấn đề dữ liệu thông qua các camera và cảm biến gắn trên xe hiện có. Một số đội xe của hệ thống lái xe tự động có khả năng tạo ra hàng tỷ dặm dữ liệu lái xe thực tế trên đường. Trong giai đoạn phát triển ban đầu, các công ty này đã cho xe ra đường với một giám sát viên thực tế ngồi ở ghế phụ lái để đào tạo trực tiếp.
Tuy nhiên, người tiêu dùng có thể không chấp nhận sự tồn tại của "Bots bảo mẫu". Bots phải có hiệu suất cao ngay từ khi xuất xưởng, điều này làm cho việc thu thập dữ liệu trước khi triển khai trở nên cực kỳ quan trọng. Tất cả các quá trình đào tạo phải được hoàn thành trước khi sản xuất thương mại, trong khi quy mô và chất lượng dữ liệu vẫn là những vấn đề tồn tại.
Quy mô dữ liệu huấn luyện trong các lĩnh vực trí tuệ nhân tạo khác nhau có sự chênh lệch lớn:
Sự chênh lệch này giải thích tại sao công nghệ robot chưa đạt được mô hình cơ bản thực sự giống như các mô hình ngôn ngữ lớn, điều cốt yếu nằm ở việc cơ sở dữ liệu vẫn chưa hoàn thiện.
Các phương pháp thu thập dữ liệu truyền thống khó đáp ứng nhu cầu quy mô dữ liệu huấn luyện của robot hình người:
Việc đào tạo mô hình trong môi trường ảo có chi phí thấp và khả năng mở rộng cao, nhưng những mô hình này thường gặp khó khăn khi triển khai trong thế giới thực. Vấn đề này được gọi là khoảng cách từ ảo đến thực (Sim2Real).
Ví dụ, những Bots được đào tạo trong môi trường mô phỏng có thể dễ dàng nhặt những vật thể có ánh sáng hoàn hảo và bề mặt phẳng, nhưng khi đối mặt với môi trường lộn xộn, kết cấu gồ ghề, hoặc các tình huống bất ngờ mà con người thường gặp trong thế giới thực, chúng thường không biết phải làm gì.
Tầm nhìn toàn diện về AI phi tập trung
Một số dự án đổi mới đang xây dựng phần mềm và nền tảng dữ liệu tích hợp theo chiều dọc dành cho các ứng dụng robot thông minh có thân. Mục tiêu chính của những dự án này là giải quyết vấn đề tắc nghẽn dữ liệu trong lĩnh vực robot hình người, nhưng tầm nhìn của chúng không chỉ dừng lại ở đó. Thông qua việc tự phát triển phần cứng, cơ sở hạ tầng mô phỏng đa phương thức và sự kết hợp của các mô hình cơ bản, chúng sẽ trở thành những động lực toàn diện cho việc đạt được trí thông minh có thân.
Các nền tảng này bắt đầu từ các thiết bị cảm biến chuyển động tiêu dùng độc quyền, xây dựng một hệ sinh thái trò chơi thực tế tăng cường và thực tế ảo đang mở rộng nhanh chóng. Người dùng cung cấp dữ liệu chuyển động độ phân giải cao để đổi lấy phần thưởng khuyến khích trên mạng, thúc đẩy sự phát triển liên tục của nền tảng.
Điều đáng chú ý là, sự tăng trưởng này hoàn toàn xuất phát từ sự phát triển tự nhiên: người dùng bị thu hút bởi tính giải trí của trò chơi, các streamer thì sử dụng thiết bị bắt chuyển động để thực hiện việc bắt hình thể số theo thời gian thực. Chu trình tích cực tự phát này đã tạo ra một sản xuất dữ liệu có thể mở rộng, chi phí thấp và độ trung thực cao, khiến cho các tập dữ liệu liên quan trở thành nguồn tài nguyên huấn luyện mà các công ty Bots hàng đầu đều muốn áp dụng.
Một số dự án vẫn đang phát triển nền tảng dữ liệu đa phương thức cho môi trường mô phỏng phân mảnh thống nhất. Hiện tại, lĩnh vực mô phỏng đang bị chia cắt cao độ, các công cụ khác nhau hoạt động độc lập, mặc dù mỗi công cụ đều có ưu điểm riêng nhưng không thể tương tác với nhau. Tình trạng phân chia này đã làm chậm tiến độ phát triển, gia tăng khoảng cách giữa mô phỏng và thực tế. Bằng cách thực hiện chuẩn hóa các mô phỏng, những nền tảng này đã tạo ra cơ sở hạ tầng ảo chia sẻ dùng để phát triển và đánh giá các mô hình Bots. Sự tích hợp này hỗ trợ việc kiểm tra chuẩn hóa nhất quán, nâng cao mạnh mẽ khả năng mở rộng và khả năng tổng quát của hệ thống.
Bots cơ bản
Một số dự án đang phát triển các mô hình cơ sở Bots, những mô hình này được xây dựng như là hệ thống cốt lõi của hạ tầng trí tuệ nhân tạo vật lý mới nổi. Vị trí của nó tương tự như các mô hình cơ sở ngôn ngữ lớn truyền thống, nhưng hướng tới lĩnh vực Bots.
Bằng cách kết hợp dữ liệu chuyển động do cộng đồng cung cấp với hệ thống mô phỏng mạnh mẽ và hệ thống cấp phép mô hình, các dự án này có thể huấn luyện ra mô hình cơ bản có khả năng tổng quát qua các tình huống khác nhau. Mô hình này có thể hỗ trợ các ứng dụng robot đa dạng trong các lĩnh vực công nghiệp, tiêu dùng và nghiên cứu, đạt được triển khai chung dưới lượng dữ liệu đa dạng khổng lồ.
Vai trò của công nghệ tiền điện tử trong ngăn xếp công nghệ trí tuệ nhân tạo vật lý
Công nghệ mã hóa đang xây dựng một ngăn xếp dọc hoàn chỉnh cho trí tuệ nhân tạo vật lý. Mặc dù những dự án này thuộc về các khía cạnh khác nhau của ngăn xếp trí tuệ nhân tạo vật lý, nhưng chúng có một điểm chung: hầu hết là các dự án trí tuệ nhân tạo vật lý phi tập trung (DePAI). DePAI tạo ra cơ chế mở, có thể kết hợp và không cần giấy phép thông qua các động lực mã thông báo xuyên suốt toàn bộ ngăn xếp công nghệ, và chính sự đổi mới này đã biến việc phát triển phi tập trung của trí tuệ nhân tạo vật lý trở thành hiện thực.
Khi cơ chế khuyến khích mã thông báo chính thức được khởi động, mức độ tham gia của mạng sẽ được coi là yếu tố then chốt để tăng cường hiệu ứng bánh đà DePAI: Người dùng mua thiết bị phần cứng có thể nhận được khuyến khích từ dự án, các công ty phát triển Bots sẽ trả thưởng cho những người sở hữu thiết bị, sự khuyến khích kép này sẽ thúc đẩy nhiều người mua sắm và sử dụng thiết bị liên quan. Đồng thời, dự án sẽ khuyến khích động việc thu thập dữ liệu hành vi tùy chỉnh có giá trị cao, từ đó thu hẹp hiệu quả khoảng cách công nghệ giữa mô phỏng và ứng dụng thực tế (Sim2Real).
Kết luận
Cách mạng nền tảng Bots là không thể ngăn cản, nhưng giống như tất cả các nền tảng khác, sự phát triển quy mô của nó không thể thiếu sự hỗ trợ của dữ liệu. Một số dự án đổi mới đang biến công chúng thành những "thợ mỏ" dữ liệu hành động. Cũng giống như các mô hình ngôn ngữ lớn cần sự hỗ trợ của các nhãn văn bản, các robot hình người cần huấn luyện với hàng triệu chuỗi hành động. Thông qua những nỗ lực này, chúng ta sẽ vượt qua được nút thắt cuối cùng, thực hiện bước nhảy vọt của robot hình người từ khoa học viễn tưởng vào thực tế.