Робототехніка на порозі революції: коли настане момент ChatGPT для машин із тілами?
Новий прорив в інтелекті роботів
У самому серці Силіконової долини Кен Голдберг — провідний фахівець зі світу робототехніки з Каліфорнійського університету в Берклі — заговорив про те, що світ готується до нового революційного кроку. Він звернув увагу на GPT-6 Astra від OpenAI, новітню модель штучного інтелекту, яка, на його думку, може спричинити прорив не тільки в цифровому, а й фізичному штучному інтелекті. Так само як запуск ChatGPT у 2022 році відкрив епоху генеративного ІІ, тепер очікують, що Astra значно покращить можливості людино-подібних роботів.
Під час виступу на K-AI Tech Week у Санта-Кларі Голдберг поділився сподіваннями: «Сподіваюся, що робототехніка матиме свій момент ChatGPT». Науковець додав, що велика кількість цікавих подій вже відбувається в дослідницьких колах.
Що таке Astra і чому вона важлива?
Голдберг відзначив Astra — штучний інтелект, представлений OpenAI на початку вересня. Він вважає, що Astra показує значний прорив у сфері агентного робототехнічного управління, де ШІ-системи не просто виконують окремі команди, а здатні планувати, приймати рішення і робити кілька кроків для досягнення цільових завдань.
Важливі деталі про Astra:
– Отримала найвищий «критичний» рівень безпеки.
– Відзначається передовими результатами в кібербезпеці і наукових дослідженнях.
– Оцінили топменеджери індустрії, зокрема Дженсен Хуанг із Nvidia похвалив модель як значний крок вперед після ChatGPT.
Крім цього, засновник Robocurve Джей Чуї відмітив, що Astra отримала фантастичні 95% у тестах управління роботами — при цьому використала в рази менше ресурсів і коштів, ніж конкуренти.
Що означає ера агентних роботів?
Голдберг бачить майбутнє робототехніки як еру, коли справжній інтелект поєднується з апаратною базою. Роботи з власним «розумінням» і здатністю приймати послідовні рішення зможуть не лише імітувати людину, а й виконувати складні завдання, що охоплюють багато кроків.
Виклики робототехніки: де потрібне поєднання підходів
Фахівець із 40-річним досвідом заявляє, що штучний інтелект у роботах має уникнути надмірної залежності від лише одного підходу. За Голдбергом, дослідницька діяльність з робототехніки поділяється на:
1. Модельно-незалежний підхід (model-free), де навчаються на великій кількості даних без жорстких математичних моделей.
2. Модельно-залежний підхід (model-based), який будує математичні та фізичні моделі для керування рухами й процесами.
Цікаво, що Голдберг навів приклад прального робота, який навчили лише моделями без жодної математичної основи. Результати були неповними — продуктивність зупинилася приблизно на 80%, у той час як промислові стандарти вимагають від 95 до 99%.
Унікальні складнощі робототехніки
Чому розробити досконалого робота так складно? Все через багатовимірність:
– Наприклад, рука робота має близько 22 ступенів свободи — це означає 22 незалежні рухомі суглоби.
– Якщо контролювати обидві руки, то це вже 44 ступені свободи, додаємо ноги та інші елементи – і отримаємо понад 50 керованих параметрів.
– Кожен суглоб має узгоджено працювати, щоб машина функціонувала плавно і надійно.
Крім того, бракує якісних даних для навчання: в Інтернеті немає матеріалів, які б відображали фізичний досвід людини — саме цього потребують гуманоїдні машини. Для поповнення баз збирають реальні дані, наприклад, на фабриках в Індії працівники отримують «розумні окуляри», що фіксують їх дії в реальному часі.
Приклади: Waymo та Tesla – два шляхи до автономності
Голдберг порівнює гігантів автопілотованих автомобілів:
– Tesla інвестувала у величезну кількість польових випробувань.
– Waymo ж, крім збору даних, використовує складні модельно-залежні алгоритми контролю.
Результат? Waymo поки перевершує Tesla, особливо у безпеці й надійності, що підкреслює важливість поєднання підходів, а не сліпої віри в один із них.
Інновації кодування: шлях до синергії моделей
Велику роль у революції ШІ відіграють нові технології програмування. Голдберг виділяє інструменти на кшталт OpenClaw, Claude та NemoClaw, які допомагають об’єднати два різні підходи до штучного інтелекту — модельно-незалежний та модельно-залежний.
Він особливо відзначив метод Graph as Policy (GaP), розроблений разом з Nvidia, у якому кілька агентів координують різні частини робота за допомогою графів, а не покладаються на єдиний штучний інтелект.
—
Підсумовуючи, можна сказати, що штучний інтелект і робототехніка скоро зроблять великий стрибок уперед. Поєднання кращих моделей, нових технологій та ретельної роботи над складними завданнями створить роботів, здатних працювати більш автономно, гнучко та ефективно.
