[ad_1]
به گزارش دلخوش
برت اَدکاک، بنیانگذار و مدیرعامل شرکت Figure، روز پنجشنبه از مدل تازه یادگیری ماشین برای رباتهای انساننما رونمایی کرد. این خبر دو هفته بعد از اظهار تصمیم این شرکت در رابطه قطع همکاری با OpenAI انتشار شده و بر گسترش Helix، یک مدل تازه Vision-Language-Action (VLA) متمرکز است.
به گزارش تک گرانچ، مدلهای VLA اتفاقای نوظهور در حوزه رباتیک می باشند که از ترکیب بینایی و دستورات زبانی برای پردازش اطلاعات منفعت گیری میکنند. اکنون، شناختهشدهترین نمونه از این مدل، RT-۲ شرکت Google DeepMind است که از ترکیب ویدئو و مدلهای زبانی بزرگ (LLM) برای آموزش رباتها منفعت میبرد.
Helix نیز کارکرد شبیهی دارد و با ترکیب دادههای بصری و دستورات زبانی، ربات را در لحظه کنترل میکند. شرکت Figure در این رابطه اظهار کرده است: “Helix توانایی بالایی در تعمیم اشیاء دارد و میتواند هزاران وسیله تازه خانگی با اشکال، اندازهها، رنگها و جنسهای گوناگون را که قبلاً در فرآیند آموزش مشاهده نکرده است، فقطً از طریق دریافت دستورات به زبان طبیعی، شناسایی و جابهجا کند.”
ایده مهم این مدل آن است که بتوان بهسادگی از ربات خواست انجام کاری را داشت و آن نیز بدون نیاز به برنامهنویسی پیچیده، آن کار را انجام دهد. Helix برای پر کردن شکاف بین پردازش بینایی و زبان طراحی شده است. این سیستم بعد از دریافت یک دستور صوتی به زبان طبیعی، محیط اطراف را بهصورت بصری برسی کرده و سپس عمل مناسب را انجام میدهد.
Figure برای نمایش توانمندیهای این مدل، مثالهایی از کارکرد آن را اراعه داده است، از جمله:
“کیسه بیسکویت را به ربات سمت راست بده. “
“کیسه بیسکویت را از ربات سمت چپ بگیر و آن را در کشوی باز قرار بده. “
این مثالها نشان خواهند داد که Helix میتواند همزمان دو ربات را کنترل کند، به طوری که یکی از آنها ماموریت پشتیبانی به فرد دیگر را در انجام کارهای گوناگون خانگی بر مسئولیت داشته باشد.
ورود رباتهای انساننما به محیطهای خانگی
Figure تصمیم دارد مدل VLA خود را با ربات انساننمای Figure ۰۲ در محیطهای خانگی آزمایش کند. خانهها به علت تنوع ساختاری و نبوده است استانداردهای یکسان، یکی از چالشبرانگیزترین محیطها برای رباتها محسوب خواهد شد. در روبه رو، رباتهایی که برای صنایع طراحی خواهد شد، طبق معمولً در محیطهای ساختاریافتهتری همانند کارخانهها و انبارها فعالیت میکنند.
آموزش رباتهای انساننما برای کار در محیط خانه با چالشهای بسیاری روبه رو است، از جمله یادگیری نحوه کنترل دقیق حرکات و تطبیق با تغییرات متوالی در محیط. این مسائل، همراه با هزینههای بالای تشکیل (در محدوده صدها هزار دلار)، علتشدهاند که زیاد تر شرکتهای فعال در حوزه رباتیک، تمرکز اولیه خود را بر بازارهای صنعتی قرار دهند. به طور معمول، راهبرد این شرکتها آن است که ابتدا قابلیتهای رباتها را در محیطهای صنعتی ارتقا داده و هزینهها را افت دهند، سپس به گسترش کاربردهای خانگی بپردازند.
Figure نیز تا بحال تمرکز مهم خود را بر پروژههای صنعتی، از جمله همکاری با شرکت BMW گذاشته می بود. با این حال، معارفه مدل Helix مشخص می کند که این شرکت تصمیم دارد وجود در محیطهای خانگی را نیز جدیتر جستوجو کند.
چالشهای آموزش رباتهای خانگی
برای این که رباتها بتوانند در محیط خانه کارآمد باشند، باید بتوانند حرکتهای تازه و هوشمندانهای را بهصورت آنی تشکیل کنند، بهاختصاصی زمان برخورد با اشیایی که قبلاً هیچ زمان ندیدهاند. شرکت Figure در این باره میگوید: “آموزش یک حرکت تازه به رباتها اکنون به تلاش انسانی بسیاری نیاز دارد، از جمله ساعتها برنامهنویسی دستی توسط متخصصان سطح دکتری یا هزاران بار نمایش عملی یک عمل. “
روش برنامهنویسی دستی مقیاسپذیر نیست، چون خانهها از نظر طراحی، چیدمان و مقدار نورپردازی زیاد متنوعاند. علاوه بر این، اشیای مورد منفعت گیری در آشپزخانه، اتاق نشیمن و حمام از خانهای به خانه دیگر تفاوت بسیاری دارند. به همین علت، روش جانشین برای آموزش رباتها، منفعت گیری از مدلهای یادگیری و تکرارهای آموزشی گسترده است.
اکنون، رباتهای صنعتی برای انجام کارهایی همانند جابهجایی اشیا، به صدها ساعت تمرین نیاز دارند. این یعنی یک ربات برای آنکه بتواند در اولین تلاش خود یک شیء را درست بلند کند، باید صدها بار آن عمل را تمرین کرده باشد.
با این حال، فناوری Helix تا این مدت در مرحله های ابتدایی گسترش قرار دارد. کارشناسان هشدار خواهند داد که ویدئوهای منتشرشده از کارکرد این مدل، تنها قسمت کوچکی از فرآیندهای پیچیدهای را نشان خواهند داد که در پشت صحنه رخ میدهد. به نظر میرسد که Figure با انتشار کردن این خبر، در تلاش است تا مهندسان بیشتری را برای پیشبرد این پروژه جذب کند.
انتهای مطلب/
دسته بندی مطالب
[ad_2]
منبع