Souhrn
Výzkumníci z akademického týmu zabývajícího se robotikou a umělou inteligencí naučili robota 1000 různých fyzických úkolů za jediný den, přičemž každý úkol vyžadoval pouze jednu demonstraci. Studie popisuje reálné úkoly jako umístění, skládání, vkládání nebo uchopování běžných objektů. Výsledky byly publikovány v časopise Science Robotics.
Klíčové body
- Robot zvládl 1000 odlišných úkolů v reálném světě za 24 hodin.
- Každý úkol naučen z jediné demonstrace, bez opakování.
- Úkoly zahrnují manipulaci s objekty: skládání, vkládání, uchopování.
- Řeší problém tradičního učení, které vyžaduje stovky až tisíce demonstrací.
- Potenciál pro aplikace ve výrobě, zdravotnictví a domácnostech.
Podrobnosti
Tento výzkum překonává klíčové omezení současné robotiky, kde učení nových fyzických úkolů trvá dlouho a vyžaduje rozsáhlé datasety. Tradiční roboty, jako ty v továrnách, jsou programovány na opakující se pohyby a selhávají při změnách prostředí nebo objektů. Výzkumníci použili pokročilé algoritmy umělé inteligence, pravděpodobně založené na velkých jazykových modelech (LLM) a technikách one-shot learning, které umožňují generalizaci z minimálního vstupu.
Robot byl testován na široké škále úkolů: od jednoduchého umístění předmětů na police, přes skládání textilu, až po přesné vkládání malých součástek do otvorů. Tyto akce probíhaly v reálném prostředí s běžnými objekty, ne v simulaci. Za jediný den tak robot získal schopnosti, které by dříve trvaly týdny sběru dat a ladění. Tým zdůrazňuje, že se nejedná o drobné varianty jednoho pohybu, ale o skutečně různorodé úkoly.
Pro srovnání: starší systémy jako ty od Boston Dynamics vyžadují hodiny tréninku na jednu dovednost. Zde algoritmus extrahuje obecné znalosti z demonstrace a aplikuje je na nové situace. To zahrnuje detekci objektů, plánování pohybu a adaptaci na nepředvídatelné chyby, jako je kluzkost nebo špatné osvětlení. Studie neuvádí přesný hardware, ale lze předpokládat standardní robotickou ruku s kamerami a senzory.
Proč je to důležité
Tento milník posouvá robotiku směrem k větší autonomii a flexibilitě, což je klíčové pro průmyslové aplikace. Ve výrobě by roboti mohli rychle přecházet mezi úkoly bez přeprogramování, snižujíce náklady na přestavby linek. V zdravotnictví by pomáhali při manipulaci s nástroji nebo pacienty, kde je potřeba rychlé učení specifických procedur. V domácnostech by umožnily roboty jako humanoidní pomocníky, kteří se učí z lidských demonstrací.
V širším kontextu to urychluje integraci AI do fyzického světa, blíže k AGI schopnostem v robotice. Nicméně zůstávají výzvy: škálovatelnost na složitější úkoly, bezpečnost v nestandardních situacích a nutnost robustních senzorů. Pokud se technologie rozšíří, mohla by konkurovat firmám jako Tesla Optimus nebo Figure AI, které cílí na podobné cíle. Pro uživatele to znamená levnější a univerzálnější roboty do pěti let.
Zdroj: 📰 Fox News