"Videoen indeholder ikke telemontage, - siger Norsk producent af humanoide robotter 1X. "Ingen computergrafik, ingen klip, ingen acceleration af videoen, ingen afspilning af banen i henhold til scriptet. Alt er styret af neurale netværk, alt er autonomt, alt med 1X hastighed”.
Det er en humanoid-producent, som OpenAI satte sine chips på sidste år i en serie A-finansieringsrunde på $25 millioner. En opfølgende serie B på $100 millioner viste, hvor meget OpenAI's opmærksomhed, såvel som den generelle hype omkring universelle humanoide robotter, er et koncept, der er altid virket som en fjern fremtid, men i de sidste to år er det blevet til en absolut termonuklear eksplosion.
1X's humanoide robotter ser mærkeligt underspillede ud ved siden af, hvad f.eks. Tesla, Figure, Sanctuary eller Agility arbejder på. Humanoid Eve har ikke engang ben eller smidige hænder endnu. Den bevæger sig på et par drevne hjul, balancerer på et tredje lille hjul bagpå, og dens hænder er rudimentære kløer. Det ser ud som om det er klædt på til slæde og har et svagt, blinkende LED-smiley.
1X har en tobenet version kaldet Neo, som også har pænt leddelte arme – men måske er disse detaljer ikke så vigtige i disse tidlige dage med robotudvikling til generelle formål. Langt de fleste tilfælde af tidlig brug vil se sådan ud: "tag den her ting og læg den der" - det vil næppe kræve fingre, der er i stand til at spille klaver. Og det vigtigste sted, de vil blive brugt, er i lagre med betongulve og fabrikker, hvor de sandsynligvis ikke behøver at gå op ad trapper eller træde over noget.
Ikke nok med det, mange grupper har løst problemet med tobenet gang og smukt manuelt udstyr. Men dette er ikke den største hindring. Den største hindring er at få disse maskiner til hurtigt at lære opgaver og derefter gå og udføre dem selvstændigt, som Toyota gør med desktop-robotmanipulatorer. Da figur 01 "forstod" at arbejde med en kaffemaskine på egen hånd, var det en stor begivenhed. Da Teslas Optimus foldede sin skjorte i videoen og blev afsløret at være under kontrol af en menneskelig operatør, var det meget mindre imponerende.
Ovenstående opgaver er ikke alt for svære, de handler ikke om at folde skjorter eller betjene en kaffemaskine. Men der er en række fuldgyldige robotter, der udfører en række opgaver, løfter og sætter ting på plads. De griber dem i en højde fra anklen til taljen. De fordeler dem i kasser, skraldespande og bakker. De samler legetøj op fra gulvet og lægger dem væk.
De åbner også døre, løber op til ladestationer og sætter stikket i dem, ved at bruge, hvad der ligner en unødvendigt kompliceret krøjemanøvre til at forbinde stikket til deres ankler.
Kort sagt, de gør stort set det samme, som de skal gøre i tidlige tilfælde af humanoid brug til generelle formål, trænet ifølge 1X "rent baseret på data." I det væsentlige trænede virksomheden 30 Eve-bots til at udføre en række individuelle opgaver hver, tilsyneladende ved hjælp af simulationstræning via video og teleoperationer. De brugte derefter denne tillærte adfærd til at træne en "basismodel", der er i stand til en bred vifte af handlinger og adfærd. Denne grundmodel blev derefter forfinet til at tage højde for de specifikke muligheder i miljøet – lageropgaver, generel dørmanipulation osv. – og til sidst blev bots trænet i de specifikke opgaver, de skulle udføre.
Dette sidste trin vil sandsynligvis ske på stedet hos kunder, når botsene får deres daglige opgaver, og 1X siger, at det vil tage "bare et par minutters dataindsamling og træning på en desktop GPU." I en ideel verden ville dette formentlig betyde, at nogen står i en VR-hjelm og laver en opgave, og derefter kombinerer deep learning-software denne opgave med botens nøgleevner, kører den flere tusinde gange i en simulering for at teste for forskellige tilfældige faktorer og resultater hvorefter botsene er klar til at arbejde.
"I løbet af det sidste år," skriver Eric Jang, VP for AI hos 1X, i sin blog, "har vi udviklet en datamotor til at løse almindelige mobile manipulationsopgaver på en fuldstændig end-to-end måde. Vi har set det virke, så vi ansætter nu AI-forskere i San Francisco Bay Area til at skalere det til 10 gange antallet af robotter og tv-operatører."
Jeg spekulerer på, hvornår disse ting vil være klar til bedste sendetid.
Læs også: