ภาพรวม
Skild AI เป็นสตาร์ทอัพด้านหุ่นยนต์ที่แยกตัวออกมาจาก Carnegie Mellon ซึ่งกำลังสร้างสมอง 'แบบจำลองพื้นฐาน' สำหรับการใช้งานทั่วไปเพียงตัวเดียวสำหรับหุ่นยนต์ ที่เรียกว่า Skild Brain สิ่งสำคัญคือมีเป้าหมายเพื่อให้ AI ที่ใช้ร่วมกันทำงานบนตัวหุ่นยนต์และงานต่างๆ มากมาย แทนที่จะฝึกโมเดลใหม่สำหรับเครื่องจักรทุกเครื่อง
โมเดลพื้นฐานหุ่นยนต์ Skild AI เป็นที่เข้าใจได้ดีที่สุดในบริบทของกลยุทธ์ การเข้าถึงโมเดล การตัดสินใจแพลตฟอร์ม และความร่วมมือในระบบนิเวศ
เจาะลึก
Skild AI ก่อตั้งขึ้นในปี 2023 โดยอาจารย์ Deepak Pathak และ Abhinav Gupta ของ CMU โดยระดมทุน Series A ขนาดใหญ่ (ประมาณ 300 ล้านดอลลาร์) ด้วยมูลค่าประเมินประมาณ 1.5 พันล้านดอลลาร์ โดยได้รับการสนับสนุนจากนักลงทุน เช่น SoftBank, Lightspeed, Coatue และ Jeff Bezos วิทยานิพนธ์คือวิทยาการหุ่นยนต์ขาด 'ช่วงเวลา GPT' เนื่องจากแบบจำลองนั้นแคบและเปราะ Skild ฝึกฝนโมเดลพื้นฐานหุ่นยนต์ทั่วไปเกี่ยวกับข้อมูลจำนวนมหาศาลและหลากหลาย รวมถึงการจำลอง วิดีโอทางอินเทอร์เน็ต และการทำงานทางไกล ดังนั้นสมองเพียงตัวเดียวจึงสามารถควบคุมรูปร่างต่างๆ สัตว์สี่เท้า หุ่นยนต์ฮิวแมนนอยด์ และแขนได้ และปรับให้เข้ากับงานและสภาพแวดล้อมใหม่ๆ บริษัทเน้นย้ำถึงความแข็งแกร่ง การวางนัยทั่วไปในสถานการณ์ที่มองไม่เห็น และความสามารถที่เกิดขึ้น โดยวางตำแหน่ง Skild Brain เป็นมิดเดิลแวร์ที่ไม่เชื่อเรื่องพระเจ้าสำหรับคลื่นลูกใหม่ของหุ่นยนต์
ข้อมูลเชิงลึกทางเทคนิค
แนวทางของ Skid มุ่งเน้นไปที่ขนาดและความหลากหลายของข้อมูลการฝึกอบรมเพื่อให้บรรลุถึงลักษณะทั่วไป ด้วยการฝึกอบรมหุ่นยนต์หลายรุ่น และใช้การจำลองขนาดใหญ่ควบคู่ไปกับวิดีโอจริงและวิดีโอบนเว็บ แบบจำลองจะเรียนรู้ทักษะด้านเซ็นเซอร์ที่ถ่ายทอดแทนที่จะติดตั้งมากเกินไปในเครื่องเดียว การเดิมพันนี้สะท้อนแบบจำลองภาษาขนาดใหญ่: ข้อมูลและพารามิเตอร์ที่มากขึ้นทำให้เกิดความแข็งแกร่งที่เกิดขึ้น โดยปล่อยให้นโยบายเดียวกันจัดการกับวัตถุใหม่ ภูมิประเทศ และสิ่งรบกวน และฟื้นตัวจากความล้มเหลว เช่น ขาที่ถูกผลักหรือการจับที่ลื่นไถล
การเรียนรู้โมเดลพื้นฐานหุ่นยนต์ AI Skilling
Skild AI เป็นสตาร์ทอัพด้านหุ่นยนต์ที่แยกตัวออกมาจาก Carnegie Mellon ซึ่งกำลังสร้างสมอง 'แบบจำลองพื้นฐาน' สำหรับการใช้งานทั่วไปเพียงตัวเดียวสำหรับหุ่นยนต์ ที่เรียกว่า Skild Brain สิ่งสำคัญคือมีเป้าหมายเพื่อให้ AI ที่ใช้ร่วมกันทำงานบนตัวหุ่นยนต์และงานต่างๆ มากมาย แทนที่จะฝึกโมเดลใหม่สำหรับเครื่องจักรทุกเครื่อง โมเดลพื้นฐานหุ่นยนต์ Skild AI เป็นที่เข้าใจได้ดีที่สุดในบริบทของกลยุทธ์ การเข้าถึงโมเดล การตัดสินใจแพลตฟอร์ม และความร่วมมือในระบบนิเวศ เพื่อสร้างความเข้าใจอย่างลึกซึ้ง ให้ถือว่า Skild AI Robot Foundation Models เป็นแบบจำลองการดำเนินงาน ไม่ใช่คุณลักษณะเดียว: กำหนดผลลัพธ์ที่ต้องการ ชี้แจงสมมติฐาน และแยกสิ่งที่ระบบสามารถทำได้อย่างน่าเชื่อถือจากสิ่งที่ยังต้องใช้วิจารณญาณจากผู้เชี่ยวชาญ
ในทางปฏิบัติ ทีมที่แข็งแกร่งที่ใช้ Skild AI Robot Foundation Models จะประเมินกลยุทธ์ของผู้จำหน่าย ความน่าเชื่อถือของแผนงาน และความเสี่ยงในการล็อคอินก่อนตัดสินใจ โดยจะบันทึกเกณฑ์ความสำเร็จที่ชัดเจน ทดสอบกับข้อมูลและขั้นตอนการทำงานที่สมจริง และทำซ้ำตามรูปแบบความล้มเหลวที่สังเกตได้ แทนที่จะชนะการวัดประสิทธิภาพเพียงครั้งเดียว นี่คือจุดที่ความเข้าใจทางทฤษฎีกลายเป็นความสามารถที่คงทนของผลิตภัณฑ์ นโยบาย และการดำเนินงาน
โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป ในขณะเดียวกัน การประกาศเปิดตัวอาจแซงหน้าความเสถียรในขั้นตอนการทำงานจริง แนวทางที่ยืดหยุ่นที่สุดคือการรวมความเร็วของการทดลองเข้ากับวินัยในการกำกับดูแล: ดำเนินการนำร่อง จับหลักฐาน เผยแพร่บันทึกการตัดสินใจ และอัปเดตการป้องกันอย่างต่อเนื่องเมื่อพฤติกรรมของโมเดล ความคาดหวังของผู้ใช้ และข้อกำหนดด้านกฎระเบียบมีการเปลี่ยนแปลง
ผลกระทบเชิงกลยุทธ์
โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป
โรดแมปของผู้จำหน่ายมีอิทธิพลต่อฟีเจอร์ที่ทีมของคุณสามารถสร้างได้ต่อไป ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
ข้อกำหนดทางการค้าและตัวเลือกการใช้งานส่งผลต่อต้นทุนและความเสี่ยงในระยะยาว
ข้อกำหนดทางการค้าและตัวเลือกการใช้งานส่งผลต่อต้นทุนและความเสี่ยงในระยะยาว ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
สิ่งจูงใจของบริษัทจะกำหนดค่าเริ่มต้นของผลิตภัณฑ์ ท่าทางที่ปลอดภัย และความเปิดกว้าง
สิ่งจูงใจของบริษัทจะกำหนดค่าเริ่มต้นของผลิตภัณฑ์ ท่าทางที่ปลอดภัย และความเปิดกว้าง ในการปรับใช้คุณภาพสูง สิ่งนี้จะถูกแปลเป็นกฎการปฏิบัติงานที่วัดผลได้ ขอบเขตความเป็นเจ้าของ และขั้นตอนการตรวจสอบที่เกิดซ้ำ เพื่อให้ทีมสามารถปรับขนาดความมั่นใจแทนที่จะปรับขนาดความคลุมเครือ
การใช้งานจริงในโลกแห่งความเป็นจริง
แขนคลังสินค้าและหน่วยลาดตระเวนสี่เท่าใช้ Skild Brain เดียวกัน โดยแบ่งปันทักษะที่เรียนรู้แทนที่จะใช้ซอฟต์แวร์ที่แยกจากกัน
หุ่นยนต์ที่ได้รับการฝึกฝนในด้านการจำลองเป็นส่วนใหญ่จะถ่ายทอดทักษะการเดินและการจับไปยังเครื่องจักรจริงในภูมิประเทศที่ไม่คุ้นเคย
หุ่นยนต์ฮิวแมนนอยด์ฟื้นสมดุลหลังจากถูกผลัก แสดงให้เห็นถึงความแข็งแกร่งของแบบจำลองต่อการรบกวนทางกายภาพ
สตาร์ทอัพด้านฮาร์ดแวร์ให้สิทธิ์ใช้งานโมเดลพื้นฐานของ Skild ในฐานะ 'สมอง' ของ AI แทนที่จะสร้างชุดควบคุมของตัวเองตั้งแต่เริ่มต้น
รูปแบบการดำเนินงาน
แบบจำลองมูลนิธิหุ่นยนต์ Skid AI ในทางปฏิบัติ
แขนคลังสินค้าและหน่วยลาดตระเวนสี่เท่าใช้ Skild Brain เดียวกัน โดยแบ่งปันทักษะที่เรียนรู้แทนที่จะใช้ซอฟต์แวร์ที่แยกจากกัน
แขนคลังสินค้าและหน่วยลาดตระเวนสี่เท่าใช้ Skild Brain เดียวกัน แบ่งปันทักษะที่เรียนรู้แทนการใช้ซอฟต์แวร์ที่แยกจากกัน ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
แบบจำลองมูลนิธิหุ่นยนต์ Skid AI ในทางปฏิบัติ
หุ่นยนต์ที่ได้รับการฝึกฝนในด้านการจำลองเป็นส่วนใหญ่จะถ่ายทอดทักษะการเดินและการจับไปยังเครื่องจักรจริงในภูมิประเทศที่ไม่คุ้นเคย
หุ่นยนต์ที่ได้รับการฝึกฝนในการจำลองเป็นส่วนใหญ่จะถ่ายทอดทักษะการเดินและการจับไปยังเครื่องจักรจริงบนพื้นผิวที่ไม่คุ้นเคย ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับของมนุษย์สำหรับกรณี Edge และติดตามทั้งประสิทธิภาพการผลิตที่เพิ่มขึ้นและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
แบบจำลองมูลนิธิหุ่นยนต์ Skid AI ในทางปฏิบัติ
หุ่นยนต์ฮิวแมนนอยด์ฟื้นสมดุลหลังจากถูกผลัก แสดงให้เห็นถึงความแข็งแกร่งของแบบจำลองต่อการรบกวนทางกายภาพ
หุ่นยนต์ฮิวแมนนอยด์ฟื้นสมดุลหลังจากถูกผลัก แสดงให้เห็นถึงความแข็งแกร่งของแบบจำลองต่อสิ่งรบกวนทางกายภาพ ทีมมักจะได้รับผลลัพธ์ที่ดีขึ้นเมื่อพวกเขากำหนดเกณฑ์คุณภาพไว้ล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
แบบจำลองมูลนิธิหุ่นยนต์ Skid AI ในทางปฏิบัติ
สตาร์ทอัพด้านฮาร์ดแวร์ให้สิทธิ์ใช้งานโมเดลพื้นฐานของ Skild ในฐานะ 'สมอง' ของ AI แทนที่จะสร้างชุดควบคุมของตัวเองตั้งแต่เริ่มต้น
สตาร์ทอัพด้านฮาร์ดแวร์ให้สิทธิ์ใช้งานโมเดลพื้นฐานของ Skild ในฐานะ 'สมอง' ของ AI แทนที่จะสร้างสแต็กการควบคุมของตัวเองตั้งแต่เริ่มต้น ทีมมักจะได้รับผลลัพธ์ที่ดีกว่าเมื่อพวกเขากำหนดเกณฑ์คุณภาพล่วงหน้า รักษาเส้นทางการยกระดับโดยมนุษย์สำหรับกรณี Edge และติดตามทั้งการเพิ่มผลผลิตและต้นทุนข้อผิดพลาดเมื่อเวลาผ่านไป
ความเสี่ยงและรั้ว
การประกาศเปิดตัวอาจแซงหน้าความเสถียรในขั้นตอนการทำงานจริง
การกำหนดราคา API หรือการเปลี่ยนแปลงนโยบายสามารถทำลายสมมติฐานได้ในชั่วข้ามคืน
การพึ่งพาผู้ขายรายเดียวจะเพิ่มค่าใช้จ่ายในการล็อคอินและการย้ายข้อมูล
แผนงานการดำเนินงาน
ประเมินผู้ให้บริการโดยใช้งานและชุดข้อมูลของคุณเอง
ประเมินผู้ให้บริการโดยใช้งานและชุดข้อมูลของคุณเอง ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
ตรวจสอบความเป็นส่วนตัว ความปลอดภัย และข้อกำหนดทางกฎหมายก่อนรวมระบบ
ตรวจสอบความเป็นส่วนตัว ความปลอดภัย และข้อกำหนดทางกฎหมายก่อนรวมระบบ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
รักษาแผนสำรองสำหรับรุ่นหรือผู้จำหน่าย
รักษาแผนสำรองสำหรับรุ่นหรือผู้จำหน่าย ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น
ตรวจสอบบันทึกประจำรุ่นเพื่อให้การเปลี่ยนแปลงแผนงานไม่ทำให้ทีมแปลกใจ
ตรวจสอบบันทึกประจำรุ่นเพื่อให้การเปลี่ยนแปลงแผนงานไม่ทำให้ทีมแปลกใจ ถือว่าแต่ละขั้นตอนเป็นเหมือนประตูหลักฐาน: หากไม่ตรงตามเกณฑ์ ให้หยุดการเปิดตัวชั่วคราว ปิดช่องว่าง จากนั้นจึงขยายการใช้งานเท่านั้น