موسسه تحقیقاتی Boston Dynamics و Toyota (TRI) چهارشنبه برنامه‌هایی را برای آوردن هوش رباتیک مبتنی بر هوش مصنوعی به ربات انسان‌نمای الکتریکی Atlas فاش کردند. این همکاری، کاری را که TRI در مورد مدل‌های رفتاری بزرگ (LBMs) ​​انجام داده است، افزایش می‌دهد، که در امتداد خطوطی مشابه با مدل‌های زبان بزرگ آشناتر (LLM) در پشت پلتفرم‌هایی مانند ChatGPT عمل می‌کنند.

سپتامبر گذشته، TechCrunch از پردیس Bay Area TRI بازدید کرد تا کار این موسسه در زمینه یادگیری ربات را تحلیل کند. در تحقیقی که در کنفرانس Disrupt سال گذشته فاش شد، گیل پرات، رئیس موسسه توضیح داد که چگونه آزمایشگاه توانسته است ربات‌ها را در هنگام انجام کارهای خانگی مانند چرخاندن پنکیک از طریق آموزش شبانه به دقت 90 درصد برساند.

پرت در آن زمان توضیح داد: «در یادگیری ماشینی، تا همین اواخر یک معاوضه وجود داشت، جایی که کار می‌کرد، اما شما به میلیون‌ها مورد آموزشی نیاز دارید. وقتی کارهای فیزیکی انجام می دهید، برای این تعداد وقت ندارید و قبل از اینکه به 10000 برسید، دستگاه خراب می شود. اکنون به نظر می رسد که ما به ده ها مورد نیاز داریم. دلیل این ده ها این است که باید در موارد آموزشی تنوع داشته باشیم. اما در برخی موارد کمتر است. »

Boston Dynamics از نظر سخت افزاری با TRI سازگاری خوبی دارد. Spot-maker سهم خود را در بخش نرم‌افزار و هوش مصنوعی انجام داده است تا سیستم‌های خود را تامین کند، اما نحوه کار مورد نیاز برای آموزش به روبات‌ها برای انجام وظایف پیچیده با استقلال کامل، جانور دیگری است.

رابرت پلیتر، مدیر عامل Boston Dynamics در بیانیه ای خاطرنشان می کند: «هیچ زمان هیجان انگیزتری برای صنعت رباتیک وجود نداشته است، و ما مشتاقانه منتظر همکاری با TRI برای سرعت بخشیدن به توسعه انسان نماهای همه منظوره هستیم». این همکاری نمونه‌ای از دو شرکت با بنیاد تحقیق و توسعه قوی است که برای کار بر روی بسیاری از چالش‌های پیچیده و ساخت ربات‌های مفیدی که مشکلات دنیای واقعی را حل می‌کنند، گرد هم می‌آیند.

Boston Dynamics طراحی خود را برای اطلس الکتریکی در ماه آوریل فاش کرد، زیرا در نهایت همنام بزرگتر و هیدرولیک انسان نما را کنار گذاشت. در حالی که از آن زمان تا کنون تعداد بسیار کمی از این ربات را دیده‌ایم، در ماه آگوست، TechCrunch موفق شد ویدیوی کوتاهی از این ربات در حال انجام pushup را به دست آورد. مانند ویدیوی اولیه اطلس، دمو سریع فشاری به خوبی نشان دهنده قدرت قابل توجه ربات بود.

رقابت‌های اصلی Boston Dynamics در فضای ربات‌های انسان‌نما، از جمله Agility، Figure و Tesla، در درجه اول تصمیم گرفته‌اند که تیم‌های هوش مصنوعی خود را در داخل خود بسازند. قرارداد Boston Dynamics-TRI از آنجایی که این سازمان ها توسط هیوندای و تویوتا - رقبای مستقیم در فضای خودرو - اداره می شوند، بسیار جالب است.

در همین حال، Boston Dynamics دارای تحقیقات خود به نام The AI ​​Institute (موسسه هوش مصنوعی Boston Dynamics سابق) است. اگرچه این مؤسسه توسط بنیانگذار و مدیر عامل سابق بوستون، مارک رایبرت اداره می شود، اما این مؤسسه استقلال خود را از بوستون داینامیکس حفظ می کند. همچنین این سازمان به طور قابل توجهی جوان‌تر است که هنوز در فرآیند ایجاد تیم خود است. TRI به نوبه خود در بخش سخت افزاری معادله سرمایه گذاری کمتری کرده است.

هدف در همه اینها یک ماشین همه منظوره واقعی است. یعنی سیستمی که اساساً قادر به یادگیری و انجام تمام کارهایی است که یک فرد می تواند انجام دهد - و احتمالاً بیشتر. در حالی که شاهد تکامل سخت‌افزار ربات‌ها به نقطه‌ای نزدیک‌تر بوده‌ایم که قادر به چنین سطحی از پیچیدگی است، چیزی که به هوش عمومی نزدیک می‌شود، سخت‌تر است.

مطمئناً، ظهور SDK برای سیستم‌ها به افزایش چشمگیر وسعت وظایفی که می‌توانند توسط روبات‌هایی مانند Boston Dynamics's Spot انجام شوند، کمک کرده است.

خبرکاو