Die Zukunft von „überqualifizierten“ Modellen in der Robotik

Ich habe in der Diskussion über humanoide Robotik bemerkt, dass es ausnahmslos Kommentare gibt, dass die Designs komplex erscheinen oder dass einige Forschungen, wie das Hinzufügen von multimodalen LLMs, sie für ihre Rollen überqualifiziert werden. Normalerweise antwortet es "Sie müssen in humanoiden Räumen arbeiten" Das rechtmäßig rechtfertigt diese Richtung. Treppen/Leitern zu steigen und sich mit Menschen zu unterhalten, um vage Anfragen in umsetzbare Aufgaben zu erweitern, erfordert anspruchsvolle Exoskelette und Modelle.

In der Fiktion sind selbst die einfachsten Roboter oft von Empfindungen durchdrungen. Beispiele sind in Star Wars, in denen im Grunde genommen jeder Roboter empfindungsfähig ist, obwohl ihre zugewiesenen Pflichten normalerweise begrenzt sind. (Selbst Navigationscomputer und Türen in mehreren Fällen haben Modelle, die sprechen und Entscheidungen treffen können). Es ist so ein allgegenwärtiger Trope, dass ein paar Shows sich darüber lustig gemacht haben, wie in Rick und Morty Wo ein Roboter, der mit der Butter beauftragt ist, weiß, wie gering die Arbeit ist.

Dieser Trend, bei dem Roboter die fortschrittlichsten Modelle verwenden, ist keine neue Beobachtung, aber ich denke, es ist einer, dass jeder verstehen sollte, wenn man sich ansieht, wie sich dieses Thema entwickelt. Im Wesentlichen ist das Ziel einer Robotikplattform, dass sie Aufgaben ohne Fehler ausführen kann. Aus Sicht der Benutzeroberfläche möchten Sie auch nicht, dass sich Menschen bei der Arbeit mit dem Roboter frustriert fühlen. Dies bedeutet, dass innerhalb der Rechengrenzen des Roboters die am weitesten verfügbaren Modelle ausführt, um die besten Ergebnisse zu erzielen. In einem engen Beispiel ist es so, als würde man sich fragen, warum ein Roboter später einen Backflip oder einen Handstand durchführen kann, und es liegt einfach daran, dass das Fortbewegungsmodell im Rahmen seines Trainings am besten ein komplexes Fitnessstudio hat, damit er jede Situation bewältigen kann. (Ein aktuelles Beispiel wäre von Agility Robotics wo ihr Roboter korrigieren kann für auch äußerst seltene Situationen durch Einbeziehung einer Vielzahl von Input -Kräften in das Training).

Wenn Sie dieses Gespräch nicht gesehen haben verkörperte ai Es deckt dort ab, wo die Robotik -KI führt. Dies ist ein Schritt in Richtung kontinuierteres Lernen, bei dem sich das Training aus der realen Welt in das Modell einbezieht, und hilft bei der Korrektur von Situationen, die im ersten Training nicht zu finden sind. Was früher Science -Fiction -Darstellungen einzigartiger Konversations- und fähiger Robotik waren, sind im Wesentlichen realistische Darstellungen zukünftiger Robotik.

Es ist sehr wahrscheinlich, dass wir in wenigen Jahrzehnten Plug -and -Play haben werden "KI -Gehirn" (oder ein Roboterbetriebssystem), das bei der Installation eines Roboters einen Prozess des kontinuierlichen Lernens beginnt. (Vorausgebildete für bestimmte Plattformen würden einen Großteil dieses ersten Prozesses überspringen). Das heißt, Sie können sogar einen älteren Roboter einnehmen und solange er fähige Computer, Kamera -Feeds, motorische Controller, Mikrofone und einen Lautsprecher verfügt, könnte er einen kontinuierlichen Lernprozess beginnen. Wenn es nicht bereits vorbereitet wäre, könnte es lernt, iterativ zu gehen, um ein virtuelles Fitnessstudio (mit echten Scans und virtuellen Umgebungen) zu konstruieren und SIM2Real-Transfer durchzuführen. Dies muss keine generalistische Plattform sein, wie ein AGI, sondern nur ein multimodales System, das Bild, Video und Audio mit verschiedenen sich ändernden Modellen verarbeitet. Stellen Sie sich einen semantischen Klassifikator vor, der Objekte identifizierte und eine Datenbank intern über das erstellt, was sie weiß. Könnte Methoden zum Nachahmung von Lernen und so eingebautem auch eingebaut haben, um das Lernen vom Menschen zu erleichtern. Dieser Lernprozess wird sich von dem aktuellen Kontext unterscheiden, den wir jetzt sehen, der die Ausgaben verändert. Es wird massive Wissensgrafiken (pedantisch probabilistische bitemporale Wissensgrafiken) beinhalten, die Feedback in die Modelle mit wissensgerichtetem kontinuierlichem Lernen feedback. Ich schweife ab, aber ich sage alles, um darauf hinzuweisen, dass Modelle von ihren ersten Setups abweichen würden. Ihre Umgebung und ihre Interaktionen würden ein völlig einzigartiges Modell mit seiner eigenen Persönlichkeit schaffen. Um dies nicht zu sagen, um einen solchen Roboter zu anthropomorphisieren, sondern nur die Ähnlichkeit mit Science -Fiction -Robotik zu erwähnen. Um Roboter, die vollständig fähig sind, zu machen, werden solche, die mehr als ihre anfänglichen Programme sind, einbeziehen, und wir werden sehen, dass Forschung und Unternehmen auf natürliche Weise wettbewerbsfähig sind.

Ich dachte, es wäre eine unbeschwerte Einführung in eine Diskussion. Seht jemand das anders aus? Ich habe schon einmal über diese allgemeine Richtung mit anderen gesprochen und es gibt normalerweise eine Erkenntnis, dass man mit demselben Roboter interagieren würde und davon ausgeht, dass sein Modell nicht einfach kloniert ist, es würde sich von anderen unterscheiden, möglicherweise andere Entscheidungen treffen oder kulturell auf einzigartige Weise interagieren, je nachdem, wo und mit wem und mit wem es arbeitete.