"این ویدئو حاوی تله مونتاژ نیست، - می گوید سازنده نروژی ربات های انسان نما 1X. بدون گرافیک کامپیوتری، بدون برش، بدون شتاب ویدئو، بدون پخش مسیر مطابق با فیلمنامه. همه چیز توسط شبکه های عصبی کنترل می شود، همه چیز مستقل است، همه چیز با سرعت 1X.
این یک سازنده انسان نما است که OpenAI تراشه های خود را در سال گذشته در دور سرمایه گذاری 25 میلیون دلاری سری A روی آن قرار داد. پیگیری 100 میلیون دلاری سری B نشان داد که چقدر توجه OpenAI و همچنین تبلیغات عمومی در مورد ربات های انسان نما جهانی، مفهومی است که همیشه آینده ای دور به نظر می رسید، اما در دو سال گذشته به یک انفجار حرارتی مطلق تبدیل شده است.
ربات‌های انسان‌نما 1X در کنار آنچه که مثلاً تسلا، فیگور، پناهگاه یا چابکی روی آن کار می‌کنند، به‌طور عجیبی دست کم گرفته می‌شوند. حوا انسان نما هنوز حتی پاها یا دست های زیرک ندارد. روی یک جفت چرخ حرکت می کند و روی یک چرخ کوچک سوم در عقب تعادل برقرار می کند و دستانش پنجه های ابتدایی هستند. به نظر می رسد برای سورتمه سواری لباس پوشیده است و یک صورتک LED کم نور و چشمک زن دارد.
1X یک نسخه دوپا به نام Neo دارد که بازوهای آن به خوبی مفصل بندی شده است – اما شاید این جزئیات در این روزهای اولیه توسعه ربات با هدف عمومی چندان مهم نباشد. اکثر موارد استفاده اولیه به این صورت خواهند بود: "این چیز را بردارید و آن را در آنجا قرار دهید" - بعید است که نیاز به انگشتانی باشد که قادر به نواختن پیانو باشند. و محل اصلی استفاده از آنها در انبارهایی با کف بتنی و کارخانه‌هایی است که احتمالاً نیازی به بالا رفتن از پله‌ها یا پا گذاشتن روی چیزی ندارند.
نه تنها این، بسیاری از گروه ها مشکل راه رفتن دوپا و تجهیزات دستی زیبا را حل کرده اند. اما این مانع اصلی نیست. مانع اصلی این است که این ماشین‌ها به سرعت کارها را یاد بگیرند و سپس به طور مستقل آنها را انجام دهند، همانطور که تویوتا با دستکاری‌کننده‌های ربات رومیزی انجام می‌دهد. هنگامی که شکل 01 نحوه کار با دستگاه قهوه را به خودی خود "پیدا کرد"، یک رویداد بزرگ بود. هنگامی که Optimus تسلا پیراهن خود را در این ویدئو تا کرد و مشخص شد که تحت کنترل یک اپراتور انسانی است، بسیار کمتر تاثیرگذار بود.
وظایف فوق خیلی سخت نیستند، آنها در مورد تا کردن پیراهن یا کار با دستگاه قهوه ساز نیستند. اما تعدادی ربات تمام عیار وجود دارند که تعدادی کار را انجام می دهند، وسایل را بلند می کنند و در جای خود قرار می دهند. آنها را در ارتفاعی از مچ پا تا کمر می گیرند. آنها را در جعبه ها، سطل ها و سینی ها پهن می کنند. آنها اسباب بازی ها را از روی زمین برمی دارند و کنار می گذارند.
آنها همچنین درها را باز می‌کنند، به سمت ایستگاه‌های شارژ می‌روند و به آنها متصل می‌شوند، با استفاده از چیزی که شبیه یک مانور خمیده غیرضروری پیچیده برای اتصال دوشاخه به مچ پاهایشان است.
به طور خلاصه، آنها تقریباً همان کاری را انجام می دهند که باید در موارد اولیه استفاده از انسان نماهای همه منظوره انجام دهند، طبق گفته 1X، "صرفاً بر اساس داده ها" آموزش دیده اند. اساساً، این شرکت 30 ربات Eve را برای انجام یک سری وظایف جداگانه، ظاهراً با استفاده از آموزش شبیه‌سازی از طریق ویدئو و عملیات دور، آموزش داد. آنها سپس از این رفتار آموخته شده برای آموزش یک «مدل پایه» که قادر به انجام طیف وسیعی از اعمال و رفتار است، استفاده کردند. سپس این مدل پایه برای در نظر گرفتن قابلیت‌های خاص محیط - وظایف انبار، دستکاری عمومی درب و غیره - اصلاح شد و در نهایت ربات‌ها در مورد وظایف خاصی که قرار بود انجام دهند آموزش دیدند.
این مرحله نهایی احتمالاً زمانی که ربات‌ها وظایف روزانه خود را انجام می‌دهند، در سایت‌های مشتریان انجام می‌شود، و 1X می‌گوید که «فقط چند دقیقه جمع‌آوری داده و آموزش روی یک GPU دسکتاپ» طول خواهد کشید. احتمالاً در یک دنیای ایده‌آل، این بدان معناست که شخصی در یک کلاه VR ایستاده است و یک کار را انجام می‌دهد و سپس نرم‌افزار یادگیری عمیق آن کار را با توانایی‌های کلیدی ربات ترکیب می‌کند و چندین هزار بار در یک شبیه‌سازی اجرا می‌کند تا عوامل و نتایج تصادفی مختلف را آزمایش کند. پس از آن ربات ها آماده کار خواهند شد.
اریک جانگ، معاون هوش مصنوعی 1X، در وبلاگ خود می‌نویسد: «در طول سال گذشته، ما یک موتور داده برای حل وظایف رایج دستکاری موبایل به روشی کاملاً سرتاسری توسعه داده‌ایم. ما شاهد کارکرد آن بوده‌ایم، بنابراین اکنون محققان هوش مصنوعی را در منطقه خلیج سانفرانسیسکو استخدام می‌کنیم تا آن را به 10 برابر تعداد روبات‌ها و اپراتورهای تلویزیونی افزایش دهیم.
من نمی دانم این چیزها چه زمانی برای زمان پربیننده آماده می شوند.
همچنین بخوانید: