Co se stalo
Business Insider uvádí, že Reimagine Robotics vyvíjí roboty, které mohou zákazníci učit předváděním úkolů a fyzickými opravami strojů. Startup sídlící v Londýně a Sydney byl založen bývalými inženýry Google DeepMind a testuje své systémy s výrobními podniky.
Business Insider uvádí, že Reimagine Robotics vzešla z utajení dříve v srpnu a byla založena minulý rok Jonathanem Scholzem, Olegem Sushkovem, Akhilem Raju a Misha Denilem, bývalými kolegy ze Google. Scholz dříve vedl tým aplikované robotiky Google DeepMind, podle zprávy. Startup sídlí v Londýně a Sydney a stojí za ním Fly Ventures a Firstminute Capital. Tyto údaje o společnosti a financování jsou přiřazeny Business Insider; zdroj neuvádí veřejné primární dokumenty, které je potvrzují. Tyto podrobnosti společně popisují hlášený původ společnosti, vedení a podporu, přičemž tyto body zůstávají svázány s účtem zdroje. Zpráva proto stanoví pozadí a umístění startupu, ale nezávisle neověřuje základní firemní historii nebo informace o investicích.
Podle Business Insider Reimagine buduje flotilu, která zahrnuje robotická ramena a montéry. Některé systémy jsou namontovány na plochách, zatímco jiné se pohybují na kolových plošinách. Navrhovaný proces výuky je praktický: zákazník předvede úkol, sleduje, jak se o něj robot pokouší, a poté fyzicky manipuluje s paží, aby napravil chování. Zpráva to popisuje jako přístup „opice vidí, opičí se“ a zařazuje to do širší praxe umělé inteligence v rámci post-tréninku, ve kterém je systém vylepšován po svém počátečním vývoji. Popis následně pokrývá jak fyzické stroje, tak způsob, jakým s nimi zákazníci komunikují během adaptace. Přímá role zákazníka při zobrazování a opravě úkolu je ústředním rysem přístupu popsaného ve zprávě.
Business Insider uvádí, že Reimagine spolupracuje s několika výrobními podniky. V jednom nasazení, které zahrnovalo společnost, která extrahuje kritické materiály z použitých pevných disků, startup uvedl, že naučit robota nový úkol zabralo 10 minut místo jednoho dne. Toto srovnání je tvrzení společnosti Reimagine oznámené Business Insider, nikoli nezávisle ověřený test. Článek neidentifikuje zákazníka, nezveřejňuje úkol, neuvádí počet pokusů ani nevysvětluje, jak byl čas měřen. Srovnání je proto nejlépe chápat jako ilustraci navrhovaného pracovního postupu spíše než jako obecný výkonový . Jeho význam zůstává vázán na hlášené nasazení a na konkrétní podmínky, za kterých byl tento úkol vyučován.
Podrobnosti o zdroji: businessinsider.com ↗
Proč na tom záleží
Tento přístup řeší ústřední problém fyzické umělé inteligence: roboti mají mnohem méně reálných tréninkových dat než jazykové modely mají text a obrázky. Pokud pracovníci dokážou přizpůsobit roboty bez specializovaných robotických týmů, nasazení by se mohlo stát praktičtějším, ačkoli hlášené výsledky zůstávají nezávisle potvrzeny.
Zpráva zdůrazňuje strukturální rozdíl mezi softwarovou umělou inteligencí a fyzickými roboty. Velké jazykové modely lze trénovat na obrovských sbírkách online textu a obrázků, zatímco roboti potřebují data o pohybu, objektech, prostředí a důsledcích fyzických akcí. Business Insider říká, že Scholz citoval „100 000 let datové mezery“, což je fráze spojená s robotikem Kenem Goldbergem z UC Berkeley. Článek uvádí, že největší datový soubor pro trénování robotů obsahuje zhruba jeden rok zkušeností ve srovnání s Goldbergovým odhadem času, který by člověk potřeboval k přečtení a zobrazení materiálu používaného k trénování předních modelů umělé inteligence. Srovnání rámuje problém jako jeden z dostupných zkušeností a interakčních dat, nikoli pouze jako nedostatek výpočetní nebo modelové kapacity. Vysvětluje také, proč by metoda shromažďování užitečných příkladů na pracovišti mohla mít význam pro vývoj fyzické umělé inteligence.
Systém, který umožňuje továrním pracovníkům přispívat školicími daty, by mohl snížit vzdálenost mezi laboratorními schopnostmi robota a podmínkami operačního pracoviště. Pracovníci často chápou výjimky, bezpečnostní omezení a neformální postupy, které je obtížné předem zachytit. Business Insider uvádí, že zaměstnanci na zákaznických stránkách Reimagine začali vyvíjet své vlastní případy použití a učit roboty novým úkolům. Pokud je tento vzorec opakovatelný, mohlo by to přesunout určitou odpovědnost za přizpůsobení z centralizovaných specialistů na robotiku na lidi, kteří obsluhují zařízení. V tomto modelu by se pracoviště stalo součástí procesu po zaškolení robota s ukázkami a opravami odrážejícími úkoly, které pracovníci skutečně potřebují dokončit. Zpráva nestanoví, jak široce lze tento model použít, ale identifikuje potenciální hodnotu umístění adaptace blíže ke každodennímu provozu.
Širším důsledkem je možná ekonomika služeb kolem školení a údržby robotů. Scholz pro Business Insider řekl, že očekává, že „školitelé a manipulátoři robotů“ by mohli nakonec propojit výrobce s továrnami, naučit systémy provádět úkoly specifické pro dané místo a pomoci vyřešit selhání. To zůstává projekcí lídra společnosti, nikoli důkazem, že takový trh již existuje. Zdroj také nestanoví, zda je praktická výuka cenově dostupná, bezpečná, konzistentní nebo efektivní nad rámec hlášených pilotů. Tyto nevyřešené otázky jsou důležité, protože větší podpůrná role by závisela na opakovatelných výsledcích školení a také na funkčních dohodách mezi výrobci robotů, dělníky a továrnami. Myšlenka je prezentována spíše jako možný důsledek modelu zákazník jako učitel, než jako demonstrovaný trend v oboru.
Interaktivní mechanismus: Jak to vlastně funguje
Interaktivně prozkoumejte základní technologii tohoto vývoje.
crm_get_transaction(id='4092').An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
Na co se dále dívat
Klíčové otázky jsou, zda výuková metoda Reimagine funguje napříč továrnami, úkoly a těly robotů; zda pracovníci mohou bezpečně dohlížet na stroje; a zda startup dokáže proměnit omezené pilotní projekty ve spolehlivá komerční nasazení. Business Insider neposkytla nezávislé ověření svých nároků na plnění.
Prvním problémem, který je třeba sledovat, je replikace. Business Insider poskytuje jedno hlášené srovnání doby výuky, ale není dostatek informací k posouzení spolehlivosti. Užitečné důkazy by zahrnovaly výsledky napříč mnoha zákazníky, úkoly, objekty a podmínkami prostředí, spolu s mírou poruch a množstvím požadovaných lidských korekcí. Bylo by také důležité vědět, zda si robot zachovává naučené chování, přenáší ho na jiného robota nebo musí být přeškolen, kdykoli se změní jeho okolí. Takový důkaz by ukázal, zda je hlášený pracovní postup opakovatelnou schopností nebo výsledkem omezeným na jedno nasazení. Pomohlo by to také oddělit rychlost počáteční výuky od dlouhodobého úsilí potřebného k udržení užitečného chování.
Bezpečnost a odpovědnost pracovníků bude stejně důležitá. Zdroj popisuje zaměstnance fyzicky manipulující s robotickými pažemi, ale nevysvětluje bezpečnostní opatření, provozní postupy ani požadavky na dohled. Budoucí hlášení by mělo objasnit, kdo může povolit nové chování, jak jsou blokovány nebezpečné akce, jak se kontrolují tréninková data a co se stane, když se robot chová nesprávně. Tyto detaily určují, zda je systém praktickým nástrojem na pracovišti nebo prostě další vrstvou operačního rizika. Objasní také, jak je rozdělena odpovědnost, když se oprava pracovníka stane součástí chování robota. Dokud tyto postupy nebudou popsány, zůstává praktický charakter vyučovací metody důležitou nevyřešenou součástí příběhu.
A konečně, komerční pokrok Reimagine by měl být odlišen od širšího nadšení kolem humanoidní a fyzické AI. Business Insider uvádí, že startup testuje svou technologii s výrobními společnostmi, ale neuvádí, zda jsou tato nasazení placená, kolik je nainstalováno robotů nebo zda nějaký zákazník přešel za pilotní projekt. Potvrzení zákaznických nasazení, nezávisle měřený výkon a zveřejněná dostupnost by ukázaly, zda se firemní model zákazník jako učitel stává trvanlivým produktem spíše než experimentem v rané fázi. Důkazy o rozsahu úkolů a zahrnutých tělech robotů by dále naznačovaly, zda je přístup široký nebo omezený na konkrétní výrobní nastavení. Tyto signály by poskytly jasnější základ pro posuzování pokroku než samotná existence pilotů.