Apa yang terjadi
AI Insider melaporkan bahwa dana ventura perusahaan NEC menginvestasikan jumlah yang tidak diungkapkan di Dexmate, sebuah startup robotika yang berbasis di AS yang mengembangkan Vega dan sebuah platform untuk membangun dan menerapkan sistem AI fisik. Laporan tersebut mengatakan NEC berencana untuk mengeksplorasi aplikasi dengan Dexmate di berbagai industri.
AI Insider melaporkan bahwa NEC melakukan investasi melalui NEC Orchestrating Future Fund, atau NOFF. Jumlahnya tidak diungkapkan, dan laporan tersebut tidak memberikan penilaian, persentase kepemilikan, ukuran putaran pembiayaan atau ketentuan transaksi lainnya. Dexmate didirikan pada tahun 2024 oleh peneliti robotika AI dan sedang mengembangkan apa yang digambarkan dalam laporan tersebut sebagai sistem terintegrasi untuk robot bertenaga AI. Oleh karena itu, pengembangan pusat merupakan acara pendanaan dan hubungan strategis antara NEC dan perusahaan AI fisik yang relatif muda.
Laporan tersebut mengatakan NEC memandang AI fisik memerlukan lebih dari sekadar model AI saja. Ini mengidentifikasi sensor, sistem kontrol, data pelatihan, lingkungan simulasi, dan penyetelan di lokasi sebagai bagian dari proses pengembangan dan penerapan. AI Insider mengatakan Dexmate berupaya menyatukan komponen-komponen tersebut sehingga pengguna dapat merancang, mengonfigurasi, dan mengoperasikan robot untuk tugas tertentu dan lingkungan dunia nyata. Deskripsi tersebut berasal dari pengumuman perusahaan seperti dilansir AI Insider; sumbernya tidak mengevaluasi secara independen apakah platform tersebut mencapai tujuan tersebut atau bagaimana platform tersebut dibandingkan dengan sistem pesaing.
AI Insider melaporkan bahwa Vega Dexmate adalah robot humanoid beroda dengan pemrosesan AI bawaan. Menurut spesifikasi yang dikaitkan dengan Dexmate, Vega menggunakan sistem Nvidia Jetson Thor dengan memori 128 GB dan kinerja komputasi sekitar 2,070 AI TFLOPS. Laporan tersebut mengatakan baterai 4,8 kilowatt-jamnya mampu bertahan sekitar 20 jam waktu pengoperasian, atau lebih dari 16 jam saat sistem komputasi AI beroperasi pada beban penuh. Sumber tersebut tidak menjelaskan beban kerja, kondisi pengujian, muatan, medan, batas termal, atau metode pengukuran di balik angka-angka tersebut.
Laporan tersebut juga mengaitkan beberapa fitur fisik dan keselamatan ke Dexmate. Vega digambarkan memiliki jangkauan lebih dari dua meter di ruang kerjanya, lengan yang masing-masing dapat membawa beban 15 pon dan batang tubuh lipat tiga bagian yang mampu menjangkau dari lantai hingga di atas dua meter. Sensor yang disinkronkan dengan perangkat keras dimaksudkan untuk menghasilkan data yang selaras untuk pelatihan AI. Mekanisme keselamatan yang dilaporkan mencakup rem pada sambungan utama, pemeriksaan tabrakan secara real-time, lapisan validasi yang memblokir perintah di luar batas yang ditentukan, dan penghentian darurat yang dapat diakses oleh perangkat lunak. Ini adalah fitur desain yang dilaporkan, bukan sertifikasi independen atau bukti pengoperasian yang aman di tempat kerja tertentu.
Detail sumber: theaiinsider.tech ↗
Mengapa itu penting
Investasi ini menghubungkan perusahaan teknologi besar Jepang dengan startup yang berfokus pada penggabungan AI, perangkat keras robotika, sensor, sistem kontrol, data pelatihan, simulasi, dan alat penerapan. Spesifikasi teknis yang dilaporkan menunjukkan bahwa Dexmate menargetkan operasi jangka panjang dan AI yang diproses secara lokal, namun sumber tersebut tidak memberikan pengujian kinerja independen atau bukti penerapan.
Investasi ini relevan karena menempatkan modal perusahaan dan akses industri potensial di belakang perusahaan yang mengerjakan implementasi fisik AI. AI Insider melaporkan bahwa NEC bermaksud menggabungkan platform robotika Dexmate dengan teknologi dan pengalaman industri NEC. Jika kolaborasi tersebut berkembang melampaui eksplorasi, hal ini dapat memberikan Dexmate akses terhadap permasalahan industri, lingkungan operasi, dan keahlian integrasi yang mungkin sulit didapatkan oleh perusahaan robotika muda. Sumber tersebut tidak mengidentifikasi pelanggan, kontrak, uji coba, atau penerapan apa pun, sehingga kemungkinan tersebut masih prospektif.
Pendekatan platform yang dilaporkan mengatasi masalah praktis dalam robotika: model yang mumpuni tidak cukup untuk membuat robot berguna. Sensor harus menangkap lingkungan, sistem kontrol harus menerjemahkan keputusan menjadi pergerakan, data harus mendukung pelatihan dan pengujian, dan penerapan sering kali memerlukan penyesuaian untuk lokasi dan tugas tertentu. Sebuah sistem yang benar-benar menghubungkan tahapan-tahapan tersebut dapat mengurangi duplikasi pekerjaan teknik. Namun, AI Insider tidak memberikan pengukuran mengenai waktu pengembangan, biaya penerapan, keberhasilan tugas, tingkat kegagalan, atau jumlah rekayasa manusia yang diperlukan. Oleh karena itu, nilai yang diklaim oleh platform ini harus diperlakukan sebagai tujuan yang sedang dikembangkan, bukan sebagai hasil yang sudah ditetapkan.
Angka komputasi dan baterai yang dilaporkan Vega juga menggambarkan trade-off utama dalam AI fisik. Pemrosesan lokal dapat mengurangi ketergantungan pada koneksi jaringan dan dapat membantu robot merespons dengan latensi yang lebih rendah, sementara komputasi berkinerja tinggi yang berkelanjutan akan menghabiskan energi dan menghasilkan panas. AI Insider melaporkan lebih dari 16 jam waktu proses pada beban komputasi AI penuh, namun tidak menyebutkan apakah angka tersebut mencakup pergerakan, penginderaan, manipulasi, atau tuntutan pengoperasian lainnya. Itu juga tidak membandingkan pemrosesan lokal dengan operasi yang dibantu cloud. Tanpa rincian tersebut, spesifikasi tidak dapat menentukan berapa lama Vega akan berfungsi selama shift kerja nyata atau dalam tugas-tugas berat.
Bentuk robot humanoid beroda dan badan lipat mungkin dimaksudkan untuk menggabungkan mobilitas dengan akses ke objek pada ketinggian berbeda. Sumber melaporkan jangkauan, muatan, dan dimensi batang tubuh, namun tidak menunjukkan bahwa Vega dapat melakukan tugas berguna di gudang, pabrik, kantor, rumah, atau lingkungan lainnya dengan andal. Demikian pula, rem, pemeriksaan tabrakan, validasi perintah, dan penghentian darurat merupakan elemen penting dalam arsitektur keselamatan, namun tidak dengan sendirinya menunjukkan kekokohan. Pengujian independen, analisis kegagalan, persyaratan pengawasan, dan kepatuhan terhadap aturan keselamatan tempat kerja atau produk tidak tercakup dalam laporan ini.
Mekanisme Interaktif: Cara Kerja Sebenarnya
Jelajahi teknologi yang mendasari di balik perkembangan ini secara interaktif.
An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
Apa yang harus ditonton selanjutnya
Jumlah investasi, persyaratan, pelanggan, lokasi percontohan, dan aplikasi industri tertentu masih belum diketahui. Bukti lebih lanjut akan diperlukan mengenai kinerja Vega dalam lingkungan operasi nyata, kemampuan platform perangkat lunak Dexmate, keandalan sistem keselamatannya, dan apakah kolaborasi NEC menghasilkan penerapan di luar pekerjaan eksplorasi.
Pertanyaan pertama yang belum terselesaikan adalah cakupan finansial dan strategis dari investasi NEC. AI Insider hanya melaporkan bahwa NOFF menginvestasikan jumlah yang tidak diungkapkan. Pengungkapan di masa depan dapat memperjelas apakah ini merupakan investasi strategis kecil, bagian dari putaran pendanaan yang lebih besar, atau awal dari hubungan komersial yang lebih luas. Penting juga apakah NEC menyebutkan pelanggan, lokasi, atau industri percontohan yang konkret, dibandingkan mendeskripsikan kolaborasi hanya dalam istilah umum.
Bukti penting berikutnya adalah mengenai penerapan. Saksikan demonstrasi Vega yang dapat diverifikasi secara independen dalam menyelesaikan tugas yang ditentukan, termasuk lingkungan, durasi, muatan, tingkat pengawasan manusia, dan frekuensi kegagalan. Pelaporan yang berguna akan membedakan demonstrasi terkendali dengan penggunaan operasional berkelanjutan. Sumber saat ini tidak memberikan hasil , umpan balik pelanggan, data uptime atau perbandingan dengan robot humanoid dan manipulasi seluler lainnya.
Platform perangkat lunak Dexmate juga memerlukan pengawasan. Laporan tersebut menjelaskan sistem yang dimaksudkan untuk menyatukan desain, konfigurasi, pelatihan, dan pengoperasian robot, namun tidak menyebutkan model AI yang didukung, antarmuka perangkat lunak, alat simulasi, praktik tata kelola data, atau batasan penerapan. Pengungkapan di masa depan dapat menunjukkan apakah platform tersebut dapat digunakan secara luas oleh pengembang luar atau sebagian besar merupakan tumpukan kepemilikan yang terkait dengan perangkat keras Vega. Mereka juga dapat memperjelas bagaimana data pelatihan dikumpulkan, diberi label, disinkronkan, dan ditransfer antara simulasi dan lingkungan fisik.
Batasan keselamatan dan pengoperasian harus tetap menjadi hal utama seiring perusahaan mencari penerapan di dunia nyata. Informasi lebih lanjut diperlukan mengenai bagaimana lapisan validasi perintah menangani masukan yang tidak terduga, bagaimana pemeriksaan tabrakan dilakukan selama kegagalan sensor, bagaimana penghentian darurat bekerja ketika perangkat lunak atau komunikasi gagal dan perlindungan apa yang diterapkan di sekitar manusia. Evaluasi independen, pelaporan insiden, dan rincian tentang pengawasan manusia akan membantu menentukan apakah perlindungan yang dilaporkan memadai untuk penggunaan komersial. Sampai bukti tersebut muncul, investasi dan spesifikasi menunjukkan kemajuan pengembangan, bukan bukti bahwa AI fisik telah diterapkan secara luas.