Преглед
Skild AI е стартираща компания за роботика, създадена от Carnegie Mellon, която изгражда единичен „основен модел“ на мозъка с общо предназначение за роботи, наречен Skild Brain. Има значение, защото има за цел да накара един споделен AI да работи с много различни тела и задачи на роботи, вместо да обучава нов модел за всяка машина.
Skild AI Robot Foundation Models се разбира най-добре в контекста на стратегията, достъпа до модела, решенията на платформата и екосистемните партньорства.
Дълбоко гмуркане
Основан през 2023 г. от професорите от CMU Deepak Pathak и Abhinav Gupta, Skild AI събра голяма серия A (около 300 милиона долара) на приблизително 1,5 милиарда долара оценка, подкрепена от инвеститори, включително SoftBank, Lightspeed, Coatue и Jeff Bezos. Неговата теза е, че на роботиката липсва „моментът на GPT“, тъй като моделите са тесни и крехки. Skild обучава основен модел на общ робот върху огромни и разнообразни данни, включително симулация, интернет видео и телеоперация, така че един мозък да може да контролира различни изпълнения, четириноги, хуманоиди и ръце и да се адаптира към нови задачи и среди. Компанията набляга на устойчивостта, обобщаването към невиждани сценарии и възникващите възможности, позиционирайки Skild Brain като междинен софтуер, агностичен за въплъщение, за идващата вълна от роботи.
Техническа информация
Подходът на Skild се фокусира върху мащаба и разнообразието от данни за обучение, за да се постигне обобщение. Чрез обучение в много изпълнения на роботи и използване на масивна симулация заедно с реално и уеб видео, моделът научава сензомоторни умения, които се прехвърлят, вместо да се пренастройват към една машина. Залогът отразява големи езикови модели: повече данни и параметри дават възникваща устойчивост, позволявайки на една и съща политика да се справя с нови обекти, терени и смущения и да се възстановява от повреди като бутнат крак или изплъзващо се захващане.
Овладяване на Skild AI Robot Foundation Models
Skild AI е стартираща компания за роботика, създадена от Carnegie Mellon, която изгражда единичен „основен модел“ на мозъка с общо предназначение за роботи, наречен Skild Brain. Има значение, защото има за цел да накара един споделен AI да работи с много различни тела и задачи на роботи, вместо да обучава нов модел за всяка машина. Skild AI Robot Foundation Models се разбира най-добре в контекста на стратегията, достъпа до модела, решенията на платформата и екосистемните партньорства. За да изградите дълбоко разбиране, третирайте Skild AI Robot Foundation Models като оперативен модел, а не като отделна функция: дефинирайте желаните резултати, изяснете предположенията и отделете това, което системата може да направи надеждно от това, което все още изисква експертна преценка.
На практика силни екипи, използващи Skild AI Robot Foundation Models, оценяват стратегията на доставчика, надеждността на пътната карта и риска от блокиране, преди да се ангажират. Те документират изрични критерии за успех, тестват срещу реалистични данни и работни потоци и повтарят въз основа на наблюдавани модели на неуспех, а не на еднократни победи в бенчмарка. Това е мястото, където теоретичното разбиране се превръща в трайна способност за продукти, политики и операции.
Пътните карти на доставчиците влияят на това какви функции вашият екип може да изгради по-нататък. В същото време съобщенията за стартиране може да изпреварят стабилността в реалните производствени работни процеси. Най-устойчивият подход е да се комбинира скоростта на експериментиране с дисциплината на управление: стартирайте пилотни проекти, събирайте доказателства, публикувайте регистрационни файлове за решения и непрекъснато актуализирайте предпазните мерки, докато поведението на модела, очакванията на потребителите и регулаторните изисквания се развиват.
Стратегическо въздействие
Пътните карти на доставчиците влияят на това какви функции вашият екип може да изгради по-нататък.
Пътните карти на доставчиците влияят на това какви функции вашият екип може да изгради по-нататък. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Търговските условия и опциите за внедряване влияят върху дългосрочните разходи и риск.
Търговските условия и опциите за внедряване влияят върху дългосрочните разходи и риск. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Стимулите на компанията оформят продуктовите стандарти, безопасността и откритостта.
Стимулите на компанията оформят продуктовите стандарти, безопасността и откритостта. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Внедряване в реалния свят
Складова ръка и патрулно четириного управляват един и същ Skild Brain, споделяйки научени умения вместо отделен софтуер по поръчка.
Робот, обучен предимно в симулация, прехвърля своите умения за ходене и хващане на истинска машина на непознат терен.
Хуманоид възстановява баланса си, след като е бил бутнат, демонстрирайки устойчивостта на модела на физически смущения.
Хардуерно стартиране лицензира основния модел на Skild като „мозък“ на AI, вместо да изгражда собствен контролен стек от нулата.
Модели на изпълнение
Skild AI Robot Foundation Модели на практика
Складова ръка и патрулно четириного управляват един и същ Skild Brain, споделяйки научени умения вместо отделен софтуер по поръчка.
Складова ръка и патрулна четиринога управляват един и същ Skild Brain, споделяйки научени умения вместо отделен персонализиран софтуер. Екипите обикновено получават по-добри резултати, когато определят праговете за качество предварително, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Skild AI Robot Foundation Модели на практика
Робот, обучен предимно в симулация, прехвърля своите умения за ходене и хващане на истинска машина на непознат терен.
Робот, обучен до голяма степен в симулация, прехвърля уменията си за ходене и хващане на истинска машина на непознат терен. Екипите обикновено получават по-добри резултати, когато определят праговете за качество предварително, поддържат човешки път на ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки с течение на времето.
Skild AI Robot Foundation Модели на практика
Хуманоид възстановява баланса си, след като е бил бутнат, демонстрирайки устойчивостта на модела на физически смущения.
Хуманоид възстановява баланса си, след като е бил бутнат, демонстрирайки устойчивостта на модела към физически смущения. Екипите обикновено получават по-добри резултати, когато определят праговете на качеството предварително, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Skild AI Robot Foundation Модели на практика
Хардуерно стартиране лицензира основния модел на Skild като „мозък“ на AI, вместо да изгражда собствен контролен стек от нулата.
Хардуерно стартиране лицензира основния модел на Skild като „мозък“ на AI, вместо да изгражда собствен контролен стек от нулата. Екипите обикновено получават по-добри резултати, когато дефинират праговете за качество предварително, поддържат човешки път за ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Рискове и предпазни огради
Съобщенията за стартиране може да изпреварят стабилността в реалните производствени работни процеси.
Ценообразуването на API или промените в политиката могат да разбият предположенията за една нощ.
Зависимостта от един доставчик увеличава разходите за заключване и миграция.
Пътна карта за изпълнение
Оценявайте доставчиците, като използвате вашите собствени задачи и набори от данни.
Оценявайте доставчиците, като използвате вашите собствени задачи и набори от данни. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Прегледайте поверителността, сигурността и правните условия преди интегриране.
Прегледайте поверителността, сигурността и правните условия преди интегриране. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Поддържайте резервен план за модели или доставчици.
Поддържайте резервен план за модели или доставчици. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Наблюдавайте бележките по изданието, така че промените в пътната карта да не изненадват екипите.
Наблюдавайте бележките по изданието, така че промените в пътната карта да не изненадват екипите. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.