MarkTechPost รายงานว่า GEN-1.5 ของ Generalist AI เรียนรู้งานหุ่นยนต์จากการสาธิตสั้นๆ เพียงครั้งเดียว

เกิดอะไรขึ้น

MarkTechPost รายงานว่า Generalist AI ได้เปิดตัว GEN-1.5 ซึ่งเป็นโมเดลพื้นฐานหุ่นยนต์หลายรูปแบบที่ใช้การสาธิตการเคลื่อนไหวด้วยเซ็นเซอร์ 3–12 วินาทีภายในหน้าต่างบริบท 30 วินาทีเพื่อปฏิบัติงานทางกายภาพ รายงานระบุว่าโมเดลนี้ประสบความสำเร็จโดยเฉลี่ย 59% ในงานจัดการ 10 งานโดยไม่ต้องปรับแต่งอย่างละเอียด และสูงถึง 83% หลังจาก 10 ขั้นตอนการไล่ระดับสีจากข้อมูลงานห้านาที การอ้างสิทธิ์ไม่ได้รับการยืนยันอย่างอิสระจากแหล่งที่ให้มา

MarkTechPost รายงานว่า GEN-1.5 ของ Generalist AI ยอมรับวิดีโอ เซ็นเซอร์ ภาษา และอินพุตการรับรู้ความรู้สึก รักษาหน้าต่างบริบท 30 วินาที และปล่อยวิถีการกระทำที่ 100 Hz กลไกหลักซึ่งบริษัทเรียกว่า "การกระตุ้นทางกายภาพ" จะวางตัวอย่างมอเตอร์รับความรู้สึกสั้นๆ ไว้ในบริบทนั้น ตัวอย่างอาจรวมถึงการสตรีมของกล้องและเซ็นเซอร์ควบคู่ไปกับวิถีการกระทำที่แสดงให้เห็น ตามข้อมูลของ MarkTechPost โมเดลจะอนุมานงานที่ตั้งใจไว้จากการสาธิตและดำเนินการโดยไม่มีการสอนภาษา การอัปเดตการไล่ระดับสี ขั้นตอนการปรับแต่งอย่างละเอียด หรือโปรแกรมเฉพาะงาน รายงานระบุว่าแบบจำลองนี้ได้รับการฝึกอบรมล่วงหน้าอย่างต่อเนื่องเป็นเวลากว่าแปดเดือนเกี่ยวกับข้อมูลปฏิสัมพันธ์ทางกายภาพที่บันทึกไว้ในบ้าน โกดัง และโรงงาน

MarkTechPost รายงานอัตราความสำเร็จโดยเฉลี่ยที่ 59% โดยมีค่าเบี่ยงเบนมาตรฐาน 10 เปอร์เซ็นต์ ในงานการจัดการที่หลากหลาย 10 งาน เมื่อโมเดลที่ผ่านการฝึกอบรมได้รับการสาธิตเพียงครั้งเดียว บทความระบุว่าการไล่ระดับ 10 ขั้นโดยใช้ข้อมูล 5 นาทีสำหรับแต่ละงานช่วยเพิ่มความสำเร็จโดยเฉลี่ยเป็น 83% โดยมีค่าเบี่ยงเบนมาตรฐาน 9 เปอร์เซ็นต์ นอกจากนี้ยังรายงานว่าขั้นตอนการไล่ระดับสีหนึ่งขั้นตอนโดยใช้ข้อมูลหนึ่งนาทีสูงถึง 66.5% ในงานที่ค้างอยู่ บทความนี้อธิบายลักษณะผลลัพธ์เหล่านี้เป็นรูปแบบการฝึกอบรมในช่วงทดสอบที่มีข้อมูลน้อย และกล่าวว่าน้ำหนักที่รายงานการเปลี่ยนแปลงหลังจาก 10 ขั้นตอนต่ำกว่า 0.15% แหล่งที่มาที่ให้มาไม่ได้จัดเตรียมรายการงาน จำนวนตัวอย่าง รายละเอียดฮาร์ดแวร์ คำจำกัดความพื้นฐาน หรือโปรโตคอลการประเมินฉบับเต็มซึ่งจำเป็นในการประเมินตัวเลขเหล่านั้นอย่างอิสระ

รายงานจะอธิบายพฤติกรรมการถ่ายโอนหลายอย่างที่ MarkTechPost ถือว่ามาจากการประเมินของ Generalist AI รายงานแจ้งที่บันทึกไว้อย่างอิสระสองรายการสามารถรายงานเป็นลูกโซ่เป็นพฤติกรรมต่อเนื่องเดียว โดยแบบจำลองจะสร้างการเคลื่อนไหวที่เข้ามาแทรกแซง เช่น การเปลี่ยนตำแหน่ง การยึดใหม่ และการกู้คืนข้อผิดพลาด มีรายงานว่าการสาธิตที่บันทึกในการจำลองถูกถ่ายโอนไปยังหุ่นยนต์จริง แม้ว่าข้อมูลการฝึกล่วงหน้าจะไม่มีวิดีโอจำลองหรือไดนามิกก็ตาม บทความนี้ยังอธิบายถึงการสาธิตที่ดำเนินการด้วยมือของบุคคลโดยดูจากกล้องของหุ่นยนต์ ตามด้วยการทำซ้ำโดยใช้มือของหุ่นยนต์ หลังจากปรับแต่งแบบละเอียดแล้ว MarkTechPost กล่าวว่าระบบสามารถใช้กล้วยเป็นแปรง ใช้ที่ตักขยะเพื่อเคลื่อนย้ายบล็อก นำกระดาษที่ปิดชามออก และทำงานแบบตีสองหน้าได้ รายงานยังระบุด้วยว่าพฤติกรรมที่ได้รับแจ้งยังคงเปราะบางกว่าพฤติกรรมที่ได้รับการปรับแต่ง

รายละเอียดที่มา: marktechpost.com ↗

ทำไมมันถึงสำคัญ

รายงานอธิบายถึงการเปลี่ยนแปลงที่สำคัญในการปรับตัวของหุ่นยนต์: การสาธิตอาจทำหน้าที่เป็นการแจ้งเตือนในบริบท แทนที่จะต้องได้รับการฝึกอบรมเฉพาะงานอย่างกว้างขวาง หากการค้นพบนี้อยู่นอกเหนือการประเมินที่จำกัดของบริษัท พวกเขาสามารถลดข้อมูลและภาระทางวิศวกรรมที่เกี่ยวข้องกับการสอนพฤติกรรมใหม่ๆ ให้กับหุ่นยนต์ได้ หลักฐานยังคงอยู่ตั้งแต่เนิ่นๆ และงานก็เรียบง่าย ขอบเขตระยะสั้น และไม่มีการตรวจสอบความถูกต้องโดยอิสระ

ความสำคัญเชิงปฏิบัติของรายงานนี้คือ การวางกรอบการเรียนรู้ของหุ่นยนต์เป็นปัญหาบริบทและปัญหาการอัปเดตน้ำหนัก การปรับเปลี่ยนงานแบบเดิมอาจต้องรวบรวมข้อมูลและดำเนินการตามขั้นตอนการปรับให้เหมาะสมจำนวนมากสำหรับลักษณะการทำงานใหม่แต่ละอย่าง MarkTechPost รายงานว่า GEN-1.5 สามารถใช้การสาธิตสั้นๆ ได้ทันที ในขณะที่การฝึกอบรมเพิ่มเติมเล็กน้อยจะช่วยเพิ่มประสิทธิภาพได้อย่างมาก สำหรับผู้ปฏิบัติงานด้านหุ่นยนต์ นั่นอาจทำให้การปรับระบบอเนกประสงค์ง่ายขึ้นในการเปลี่ยนวัตถุ เค้าโครง หรือขั้นตอน โดยไม่ต้องสร้างนโยบายแยกต่างหากสำหรับทุกงาน นี่ยังคงเป็นผลการวิจัยที่ได้รับการรายงาน ไม่ใช่หลักฐานว่าแนวทางดังกล่าวพร้อมสำหรับการใช้งานในอุตสาหกรรมตามปกติ

ตัวอย่างการถ่ายโอนที่รายงานมีความสำคัญเนื่องจากเป็นการทดสอบมากกว่าการคัดลอกโดยตรง MarkTechPost กล่าวว่าแบบจำลองนี้สร้างการเคลื่อนไหวที่เชื่อมโยงระหว่างการสาธิตที่แยกจากกัน ย้ายจากการสาธิตจำลองไปสู่การดำเนินการทางกายภาพ และปรับการสาธิตของมนุษย์ให้เข้ากับการกระทำของหุ่นยนต์ หากทำซ้ำพฤติกรรมเหล่านี้ แสดงว่าแบบจำลองได้เรียนรู้ความสม่ำเสมอทางกายภาพในวงกว้าง แทนที่จะจดจำวิถีโคจรคงที่เพียงเส้นเดียว อย่างไรก็ตาม แหล่งที่มาไม่ได้ระบุว่าการถ่ายโอนเหล่านี้ประสบความสำเร็จบ่อยเพียงใด อนุญาตให้มีการแทรกแซงของมนุษย์ได้มากเพียงใด หรือบริษัทเลือกสภาพแวดล้อมการสาธิตและการทดสอบหรือไม่ ตัวอย่างที่รายงานจึงระบุทิศทางการวิจัยมากกว่าการรับประกันที่วัดได้ของการให้เหตุผลทางกายภาพที่มีจุดประสงค์ทั่วไป

ผลลัพธ์ยังเน้นให้เห็นถึงความแตกต่างระหว่างความสามารถและความพร้อมใช้งาน MarkTechPost รายงานว่า GEN-1.5 เป็นงานวิจัยที่เผยแพร่เกี่ยวกับกลุ่มหุ่นยนต์และกลไกข้อมูลของ Generalist AI มีรายงานว่าไม่มีน้ำหนักสาธารณะ, API, หน้าราคา หรือผลิตภัณฑ์แบบบริการตนเอง และผู้ใช้ที่คาดหวังจะต้องเป็นพันธมิตรโดยตรง ซึ่งเป็นการจำกัดการจำลองแบบอิสระ และทำให้องค์กรภายนอกเปรียบเทียบแบบจำลองกับระบบการเรียนรู้หุ่นยนต์อื่นๆ ได้ยาก นอกจากนี้ยังหมายถึงผลกระทบต่อสาธารณะในทันทีนั้นขึ้นอยู่กับหลักวิทยาศาสตร์และเชิงกลยุทธ์ งานนี้อาจมีอิทธิพลต่อวิธีที่นักวิจัยออกแบบหุ่นยนต์หลายรูปแบบ แต่ผู้อ่านยังไม่สามารถทดสอบระบบโดยตรงหรือประเมินต้นทุน ความน่าเชื่อถือ หรือข้อกำหนดในการปฏิบัติงานได้

จะดูอะไรต่อไป.

คำถามหลักคือ GEN-1.5 มีลักษณะทั่วไปนอกเหนือจากงานที่รายงานหรือไม่ วิธีดำเนินการภายใต้สภาวะที่วิกฤตด้านความปลอดภัยหรือไม่คุ้นเคย และผลลัพธ์สามารถทำซ้ำนอกกลุ่มยานพาหนะและโครงสร้างพื้นฐานข้อมูลของ Generalist AI ได้หรือไม่ MarkTechPost รายงานว่าระบบไม่มีน้ำหนักสาธารณะ, API, ราคา หรือการเข้าถึงแบบบริการตนเอง ดังนั้นการทดสอบอิสระและการปรับใช้เชิงปฏิบัติจึงยังไม่พร้อมใช้งาน

สิ่งสำคัญอันดับแรกคือการตรวจสอบโดยอิสระ รายงานของ MarkTechPost ไม่ได้ระบุตัวตนของงาน 10 งาน จำนวนการทดลองต่องาน หมวดหมู่ความล้มเหลว ช่วงความเชื่อมั่น ระบบเปรียบเทียบ หรือแพลตฟอร์มทางกายภาพที่ใช้ รายละเอียดเหล่านั้นจำเป็นสำหรับการตีความค่าเฉลี่ย 59% และ 83% ที่รายงาน การประเมินติดตามผลควรทดสอบวัตถุใหม่ แสงและพื้นที่ทำงานที่แตกต่างกัน ลำดับงานที่ยาวขึ้น และการสาธิตที่บันทึกโดยผู้คนหรือหุ่นยนต์ที่อยู่นอกไปป์ไลน์ข้อมูลของ Generalist AI การทำซ้ำโดยนักวิจัยอิสระจะช่วยตัดสินได้ว่าความสามารถที่รายงานนั้นเป็นคุณสมบัติของแบบจำลองอย่างกว้างๆ หรือเป็นผลลัพธ์ที่ละเอียดอ่อนต่อตัวเลือกการรวบรวมและการประเมินของบริษัท

ความปลอดภัยและความทนทานเป็นอีกประเด็นที่ยังไม่ได้รับการแก้ไข MarkTechPost รายงานว่าโมเดลทำงานแบบวงปิด สามารถทนต่อการก่อกวน ฟื้นตัวจากข้อผิดพลาด และด้นสด ในขณะที่ยังคงเปราะบางกว่าเวอร์ชันที่ได้รับการปรับแต่ง แหล่งที่มาไม่ได้อธิบายอัตราการชน ขีดจำกัดกำลัง การหยุดฉุกเฉิน ความล้มเหลวที่เกี่ยวข้องกับผู้คน หรือประสิทธิภาพในสภาพแวดล้อมที่แออัดและคาดเดาไม่ได้ ก่อนที่จะใช้งานในบ้าน โกดัง หรือโรงงาน ผู้ประเมินจะต้องมีหลักฐานเกี่ยวกับสิ่งที่เกิดขึ้นเมื่อมีการสาธิตที่ไม่ชัดเจน วัตถุหายไป หุ่นยนต์สูญเสียการติดตามงาน หรือข้อผิดพลาดอาจทำให้เกิดการบาดเจ็บหรือความเสียหายได้ รายงานไม่ได้แสดงหลักฐานว่า GEN-1.5 ได้รับการประเมินสำหรับเงื่อนไขเหล่านั้น

การเข้าถึงและการกำกับดูแลจะกำหนดว่าการวิจัยจะมีประโยชน์จริงหรือไม่ MarkTechPost รายงานว่า Generalist AI ไม่ได้เปิดเผยน้ำหนัก, API, ราคา หรือผลิตภัณฑ์แบบบริการตนเอง โดยปล่อยให้ระบบใช้งานได้ผ่านพันธมิตรโดยตรงเท่านั้น การอัปเดตในอนาคตควรชี้แจงว่านักวิจัยภายนอกจะได้รับการเข้าถึงการประเมินหรือไม่ ข้อจำกัดด้านการควบคุมดูแลข้อมูลใดบ้างที่นำไปใช้กับการบันทึกปฏิสัมพันธ์ทางกายภาพ และโมเดลนั้นสามารถตรวจสอบได้โดยไม่ต้องเปิดเผยฟุตเทจที่ละเอียดอ่อนจากบ้านหรือที่ทำงานหรือไม่ สิ่งสำคัญคือต้องดูว่าการปรับใช้ข้อมูลต่ำที่กล่าวอ้างนั้นมีขนาดใหญ่กว่าและข้ามงานที่ต้องมีการวางแผนอย่างยั่งยืนหรือไม่ จนกว่าจะตอบคำถามเหล่านั้น GEN-1.5 ควรถือเป็นสัญญาณการวิจัยเบื้องต้น แทนที่จะเป็นระบบหุ่นยนต์เอนกประสงค์ที่ปรับใช้ได้

คำแนะนำและแบบทดสอบที่เกี่ยวข้อง