Co się stało
AI Insider donosi, że fundusz venture capital NEC zainwestował nieujawnioną kwotę w Dexmate, amerykański start-up zajmujący się robotyką, rozwijający Vegę oraz platformę do budowania i wdrażania fizycznych systemów sztucznej inteligencji. Z raportu wynika, że NEC planuje zbadać zastosowania Dexmate w wielu branżach.
AI Insider donosi, że NEC dokonała inwestycji za pośrednictwem swojego funduszu NEC Orchestrating Future Fund, w skrócie NOFF. Kwota nie została ujawniona, a raport nie zawiera wyceny, procentu własności, wielkości rundy finansowania ani innych warunków transakcji. Firma Dexmate została założona w 2024 r. przez badaczy robotyki AI i opracowuje coś, co w raporcie opisano jako zintegrowany system robotów napędzanych sztuczną inteligencją. Rozwój centralny jest zatem zarówno wydarzeniem finansowym, jak i strategiczną relacją pomiędzy NEC a stosunkowo młodą firmą zajmującą się fizyczną sztuczną inteligencją.
Z raportu wynika, że NEC postrzega fizyczną sztuczną inteligencję jako wymagającą czegoś więcej niż tylko samego modelu sztucznej inteligencji. Identyfikuje czujniki, systemy sterowania, dane szkoleniowe, środowiska symulacyjne i strojenie na miejscu jako części procesu rozwoju i wdrażania. AI Insider twierdzi, że Dexmate próbuje połączyć te komponenty, aby użytkownicy mogli projektować, konfigurować i obsługiwać roboty do określonych zadań i rzeczywistych środowisk. Opis ten pochodzi z komunikatu firm podanego przez AI Insider; źródło nie ocenia niezależnie, czy platforma osiąga ten cel i jak wypada na tle konkurencyjnych systemów.
AI Insider donosi, że Vega firmy Dexmate to humanoidalny robot na kołach z wbudowanym przetwarzaniem sztucznej inteligencji. Według specyfikacji przypisanych Dexmate, Vega korzysta z systemu Nvidia Jetson Thor ze 128 GB pamięci i wydajnością obliczeniową około 2070 AI TFLOPS. Z raportu wynika, że bateria o pojemności 4,8 kilowatogodziny ma wystarczyć na około 20 godzin pracy lub ponad 16 godzin, gdy system obliczeniowy AI działa przy pełnym obciążeniu. Źródło nie opisuje obciążenia, warunków testowych, ładunku, terenu, ograniczeń termicznych ani metody pomiaru leżącej u podstaw tych liczb.
W raporcie przypisano także Dexmate kilka cech fizycznych i związanych z bezpieczeństwem. Opisywano, że Vega ma ponad dwa metry zasięgu w przestrzeni roboczej, ramiona, z których każde może unieść 15 funtów, i składany tułów z trzech części, który może sięgać od poziomu podłogi do ponad dwóch metrów. Czujniki zsynchronizowane sprzętowo mają za zadanie generować dopasowane dane na potrzeby szkolenia AI. Zgłoszone mechanizmy bezpieczeństwa obejmują hamulce na głównych przegubach, sprawdzanie samokolizji w czasie rzeczywistym, warstwę walidacyjną, która blokuje polecenia poza określonymi limitami, oraz dostępny w oprogramowaniu wyłącznik awaryjny. Są to zgłoszone cechy konstrukcyjne, a nie niezależna certyfikacja lub dowód bezpiecznego działania w konkretnym miejscu pracy.
Szczegóły źródła: theaiinsider.tech ↗
Dlaczego to ma znaczenie
Inwestycja łączy dużą japońską firmę technologiczną ze start-upem skupiającym się na łączeniu pokładowej sztucznej inteligencji, sprzętu robotyki, czujników, systemów sterowania, danych szkoleniowych, narzędzi do symulacji i wdrażania. Zgłoszone specyfikacje techniczne sugerują, że Dexmate koncentruje się na długotrwałym działaniu i lokalnie przetwarzanej sztucznej inteligencji, ale źródło nie podaje niezależnych testów wydajności ani dowodów na wdrożenie.
Inwestycja jest istotna, ponieważ zapewnia kapitał korporacyjny i potencjalny dostęp do branży firmie pracującej nad fizycznym wdrożeniem sztucznej inteligencji. AI Insider donosi, że NEC zamierza połączyć platformę robotyczną Dexmate z technologią i doświadczeniem branżowym NEC. Jeśli ta współpraca wyjdzie poza badania, może zapewnić firmie Dexmate dostęp do problemów przemysłowych, środowisk operacyjnych i wiedzy specjalistycznej w zakresie integracji, z którymi w przeciwnym razie młoda firma zajmująca się robotyką mogłaby mieć trudności. Źródło nie wskazuje żadnego klienta, kontraktu, pilotażu ani wdrożenia, zatem taka możliwość pozostaje perspektywiczna.
Zgłoszone podejście platformowe rozwiązuje praktyczny problem w robotyce: sprawny model nie wystarczy, aby robot stał się użyteczny. Czujniki muszą rejestrować otoczenie, systemy sterowania muszą przekładać decyzje na ruch, dane muszą wspierać szkolenia i testowanie, a wdrożenia często wymagają dostrojenia pod kątem konkretnych lokalizacji i zadań. System, który rzeczywiście łączy te etapy, mógłby ograniczyć powielanie prac inżynieryjnych. Jednak AI Insider nie zapewnia pomiarów czasu programowania, kosztów wdrożenia, powodzenia zadań, wskaźników awaryjności ani wymaganego nakładu pracy inżynieryjnej. Deklarowaną wartość platformy należy zatem traktować jako cel w trakcie opracowywania, a nie ustalony wynik.
Podane przez firmę Vega dane dotyczące mocy obliczeniowej i baterii na pokładzie również ilustrują kluczowy kompromis w zakresie fizycznej sztucznej inteligencji. Przetwarzanie lokalne może zmniejszyć zależność od połączenia sieciowego i może pomóc robotowi reagować z mniejszymi opóźnieniami, podczas gdy długotrwałe przetwarzanie o wysokiej wydajności zużywa energię i wytwarza ciepło. AI Insider podaje ponad 16 godzin działania przy pełnym obciążeniu obliczeniowym AI, ale nie podaje, czy liczba ta uwzględnia ruch, wykrywanie, manipulację czy inne wymagania operacyjne. Nie porównuje również przetwarzania lokalnego z działaniem wspomaganym w chmurze. Bez tych szczegółów specyfikacja nie jest w stanie określić, jak długo Vega będzie funkcjonować podczas rzeczywistej zmiany roboczej lub przy wymagających zadaniach.
Humanoidalna postać na kołach i składany tułów robota mogą łączyć mobilność z dostępem do obiektów na różnych wysokościach. Źródło podaje zasięg, ładowność i wymiary tułowia, ale nie pokazuje, że Vega może niezawodnie wykonywać przydatne zadania w magazynach, fabrykach, biurach, domach lub innych miejscach. Podobnie hamulce, sprawdzanie kolizji, zatwierdzanie poleceń i zatrzymanie awaryjne są znaczącymi elementami architektury bezpieczeństwa, ale same w sobie nie wykazują solidności. Raport nie obejmuje niezależnych testów, analizy awarii, wymagań dotyczących nadzoru oraz zgodności z zasadami bezpieczeństwa w miejscu pracy lub produktu.
Mechanizm interaktywny: jak to faktycznie działa
Poznaj interaktywnie technologię leżącą u podstaw tego rozwoju.
An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
Co obejrzeć dalej
Kwota inwestycji, warunki, klienci, miejsca pilotażowe i konkretne zastosowania branżowe pozostają nieznane. Konieczne będą dalsze dowody dotyczące wydajności Vegi w rzeczywistych środowiskach operacyjnych, możliwości platformy oprogramowania Dexmate, niezawodności jej systemów bezpieczeństwa oraz tego, czy współpraca NEC zaowocuje wdrożeniami wykraczającymi poza prace badawcze.
Pierwszą nierozstrzygniętą kwestią jest zakres finansowy i strategiczny inwestycji NEC. AI Insider podaje jedynie, że NOFF zainwestował nieujawnioną kwotę. Przyszłe ujawnienia mogłyby wyjaśnić, czy była to niewielka inwestycja strategiczna, część większej rundy finansowania, czy też początek szerszych relacji handlowych. Będzie miało również znaczenie, czy NEC wymieni konkretnych klientów pilotażowych, lokalizacje lub branże, zamiast opisywać współpracę jedynie w sposób ogólny.
Następny ważny dowód będzie dotyczył rozmieszczeń. Obserwuj niezależnie weryfikowalne demonstracje Vegi wykonującej określone zadania, w tym środowisko, czas trwania, ładowność, stopień nadzoru człowieka i częstotliwość awarii. Przydatne raportowanie pozwoliłoby odróżnić kontrolowane demonstracje od ciągłego użytkowania operacyjnego. Obecne źródło nie zapewnia wyników testów porównawczych, opinii klientów, danych dotyczących czasu pracy ani porównań z innymi robotami humanoidalnymi i robotami manipulującymi mobilnie.
Platforma oprogramowania Dexmate również zasługuje na kontrolę. Raport opisuje system mający na celu ujednolicenie projektowania, konfiguracji, szkolenia i obsługi robotów, ale nie wymienia obsługiwanych modeli sztucznej inteligencji, interfejsów oprogramowania, narzędzi symulacyjnych, praktyk zarządzania danymi ani ograniczeń wdrożeniowych. Przyszłe ujawnienia mogą wykazać, czy platforma będzie szeroko wykorzystywana przez zewnętrznych programistów, czy też będzie to głównie zastrzeżony stos powiązany ze sprzętem Vega. Mogliby także wyjaśnić, w jaki sposób dane szkoleniowe są gromadzone, oznaczane, synchronizowane i przesyłane między środowiskiem symulacyjnym a środowiskiem fizycznym.
Bezpieczeństwo i ograniczenia operacyjne powinny pozostać najważniejsze, ponieważ firma poszukuje zastosowań w świecie rzeczywistym. Potrzebne są dalsze informacje na temat tego, jak warstwa sprawdzania poprawności poleceń radzi sobie z nieoczekiwanymi danymi wejściowymi, jak sprawdzanie kolizji odbywa się w przypadku awarii czujników, jak działa wyłącznik awaryjny w przypadku awarii oprogramowania lub komunikacji oraz jakie zabezpieczenia mają zastosowanie w przypadku ludzi. Niezależna ocena, zgłaszanie incydentów i szczegółowe informacje na temat nadzoru ludzkiego pomogłyby ustalić, czy zgłoszone zabezpieczenia są odpowiednie do zastosowań komercyjnych. Dopóki nie pojawią się takie dowody, inwestycja i specyfikacje wskazują na postęp w rozwoju, a nie dowód na szerokie zastosowanie fizycznej sztucznej inteligencji.