Photo by <a href="https://unsplash.com/@gabrielemalaspina?utm_source=WP+Agent&utm_medium=referral">Gabriele Malaspina</a> on <a href="https://unsplash.com/?utm_source=WP+Agent&utm_medium=referral">Unsplash</a>
„Nvidia“ pristatė naują robotų DI: kai kurias užduotis jis išmoksta vien stebėdamas žmones
„Nvidia“ pristatė naujos kartos robotikos modelį „GR00T 2“, kuris mokosi ne tik iš robotų valdymo demonstracijų, bet ir iš žmonių atliekamų veiksmų vaizdo įrašų. Pagal oficialiai paskelbtą tyrimo medžiagą, modelis siekia padėti skirtingo tipo robotams perimti įgūdžius, kurių jiems nereikėtų išmokyti atskirai nuo nulio. Tai vienas ryškesnių bandymų sujungti vaizdo supratimą ir realų fizinį veiksmą.

Ankstesnėse robotikos sistemose konkrečiai rankai ar griebtuvui dažnai reikėdavo atskiro mokymo proceso. Naujoji „GR00T 2“ architektūra prognozuoja ir būsimą aplinkos vaizdą, ir roboto veiksmus. Taip ji mokosi ne vien mechaniškai atkartoti judesį, bet ir suprasti, kokį pokytį tas judesys turi sukelti. Tai naudinga užduotims, kur reikia tiksliai sugriebti ar perkelti įvairaus dydžio daiktus.
Ką parodė tyrimai ir bandymai?
„Nvidia“ skelbia, kad išbandžius 50 iki tol nematytų užduočių, modelis be konkretaus roboto demonstracijų vidutiniškai pasiekė 40 proc. sėkmę. Pateikus po penkias trumpas demonstracijas ir atlikus papildomą mokymą, rezultatas esą pakilo iki 95 proc. Tokie skaičiai atrodo įspūdingai, tačiau tai bendrovės laboratoriniai bandymai, kurių negalima tiesiogiai prilyginti robotui, savarankiškai dirbančiam neprognozuojamoje gamykloje.
Modelio mokymui panaudoti šimtai tūkstančių valandų žmonių darbo vaizdo įrašų, tūkstančiai valandų griebtuvų demonstracijų ir robotų teleoperacijos duomenys. Skirtingi duomenų šaltiniai svarbūs todėl, kad žmonės juda kitaip nei robotai. Vien stebėti žmogaus ranką neužtenka – modelis turi suprasti, kokį veiksmą gali realiai atlikti konkretaus roboto mechanika.
Kodėl tai aktualu Lietuvai?
Demonstracijose matyti tokios užduotys kaip laboratorinio filtro įdėjimas, paprastų konstrukcijų surinkimas ir daiktų paėmimas. Tai nedideli veiksmai, tačiau jie kelia didelį iššūkį dėl trinties, kontaktų ir tikslumo. „Nvidia“ teigia, kad tokios technologijos galėtų sumažinti robotų pritaikymo naujam darbui kainą, ypač kai produktai ar darbo aplinka dažnai keičiasi.
Lietuvos gamybos ir logistikos sektoriams svarbu stebėti, ar modeliai taps pakankamai patikimi mažoms ir vidutinėms įmonėms. Paprastesnis apmokymas galėtų sumažinti automatizavimo slenkstį, tačiau kol kas reikėtų vertinti saugą, techninę priežiūrą ir realią investicijų grąžą. Apie DI agentų spartų vystymąsi anksčiau rašėme straipsnyje apie autonomines DI laboratorijas.
Robotikos pažanga dažnai vertinama pagal tai, kiek naujų judesių robotas sugeba atlikti. Tačiau pramonėje ne mažiau svarbu, kaip greitai jis gali prisitaikyti prie naujos užduoties. Kai vienos detalės forma keičiasi, tradicinės programavimo procedūros gali reikalauti daug darbo. Modeliai, besimokantys iš nedaug demonstracijų, teoriškai leistų greičiau perprogramuoti įrangą ir sumažinti gamybos linijos prastovas.
Naujoji sistema taip pat parodo, kad roboto mokymasis yra ne vien vaizdo atpažinimas. Modeliui reikia suprasti fizinį kontaktą, objekto pasipriešinimą, pusiausvyrą ir judesio pasekmes. Tai ypač sudėtinga dirbant su lanksčiais ar trapiais daiktais. Dėl to demonstracijos laboratorijoje dažnai atrodo paprastos, nors joms pasiekti reikia daugybės bandymų ir didelių mokymo duomenų rinkinių.
„Nvidia“ paskelbti tikslumo rodikliai turėtų būti vertinami konkretaus bandymo kontekste. Rezultatas, pasiektas iš anksto apibrėžtame užduočių rinkinyje, negali automatiškai nusakyti elgesio nepažįstamoje aplinkoje. Realus robotas gali susidurti su pažeista detale, nauju apšvietimu ar netikėtu žmogaus judesiu. Todėl prieš pradedant komercinį naudojimą reikalingi saugos testai ir aiškios avarinio sustabdymo procedūros.
Darbui su pažangiais robotais taip pat reikalinga infrastruktūra. Reikia patikimų kamerų, jutiklių, valdiklių ir techninės priežiūros. DI modelis yra vienas iš visos sistemos elementų, bet ne stebuklinga programa, kuri vien pati gali paversti bet kurį aparatą universaliu darbuotoju. Atskiros robotų konstrukcijos turi mechaninius apribojimus, o kiekviena užduotis reikalauja tinkamų darbo įrankių.
Šios naujovės galėtų turėti įtakos Lietuvos įmonėms, jeigu mažėtų automatizavimo diegimo sudėtingumas. Tačiau ekonominė nauda priklauso nuo užduoties pasikartojimo, darbo vietos saugos ir įrenginių kainos. Kai kuriose gamyklose specializuotas robotas išliks racionalesnis už universalų modelį. Kitose, kur gaminami mažesni ir dažnai keičiami gaminių kiekiai, lankstus mokymas gali tapti itin svarbiu konkurenciniu pranašumu.
Būsimam modelio plitimui didelę reikšmę turės tai, ar tyrėjai ir įmonės galės nepriklausomai pakartoti „Nvidia“ bandymų rezultatus. Atvira mokslinė medžiaga ir iš anksto apibrėžti vertinimo kriterijai leidžia palyginti skirtingus metodus. Tačiau praktiniame versle svarbu ne vien laboratorinis tikslumas. Reikia žinoti, kaip dažnai robotas sustoja, kiek kainuoja jo priežiūra ir kiek žmogaus pagalbos reikia netikėtose situacijose. Tik tada paaiškės, ar lankstesnis mokymas iš tiesų leis sutaupyti.
Šaltinis: pirminis pranešimas.
Kaip vertinate šį straipsnį?
Prenumeruokite mūsų „YouTube“ kanalą ir mėgaukitės įdomiais vaizdo reportažais apie mokslą ir technologijas.
Trumpai, aiškiai ir be triukšmo – gaukite svarbiausias technologijų ir mokslo naujienas pirmieji.
DIENOS SKAITOMIAUSI
Mokslininkų proveržis: vandens baterija po tūkstančių įkrovimų beveik neprarado talpos
2Europoje įsilaužėliai atakuoja parduotuvių šaldytuvus: perspėjama apie maisto nuostolius
3Nuo lapkričio pasikeitė siuntų iš Kinijos apmokestinimas: ką turi žinoti pirkėjai
4DI startuolis pritraukė 1 mlrd. dolerių: vienam tyrėjui žada šimtų agentų pagalbą
5Pasaulinis „Microsoft 365“ sutrikimas: neveikė „Outlook“, „Teams“ ir kitos paslaugos
NAUJAUSI
Taip pat skaitykite
Atrinkome panašius straipsnius, kurie gali jums patikti.