Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Fabryki humanoidów rosną, ale brakuje danych treningowych

Innodata otworzyła 30 września laboratorium motion capture, które ma produkować dane treningowe dla humanoidów. Tego samego dnia Inbolt zamknął rundę na 11 mln euro na widzenie robotów, a MindOn pokazał model, który według firmy skraca opóźnienie wnioskowania z 82 ms do 32 ms.

TechnologiaAnalizaMarta ZielińskaOpublikowano: 30 września 20266 min czytaniaŹródła 8
Fabryki humanoidów rosną, ale brakuje danych treningowych

30 września firma Innodata z New Jersey, zajmująca się inżynierią danych, otworzyła laboratorium badawczo-rozwojowe do przechwytywania ruchu 3D dla robotów. Placówka będzie rejestrować ruch bezpośrednio z ciał ludzi i maszyn. Ma też niezależnie weryfikować dane o wydajności, które roboty generują u siebie. Informację podał 30 września The Robot Report.

To niewielki budynek z dużym twierdzeniem w tle. Wąskim gardłem fizycznej AI nie są silniki, dłonie ani siłowniki. Są nim dane.

„Fizyczna AI rośnie szybciej niż jakikolwiek inny segment AI, ale każdy zespół robotyczny trafia na tę samą ścianę: danych o interakcjach ze światem jest za mało, a te, które istnieją, są drogie i powstają wolno” - powiedział Rahul Singhal, prezes Innodaty, w oświadczeniu cytowanym przez The Robot Report. Firma podała, że laboratorium obejmuje cały proces, od zbierania danych po ocenę modeli. Będzie rejestrować ruch humanoidów, sprzętu teleoperowanego, systemów noszonych, zestawów czujników i chwytaków Universal Manipulator Interface. Innodata, założona w 1988 roku, przekonuje, że duże modele językowe trenowano na otwartym internecie, ale roboty nie mają odpowiednika takiego zbioru dla świata fizycznego. Franklin Tanner, wiceprezes ds. robotyki i fizycznej AI, powiedział The Robot Report, że fizyczna AI „musi zapracować na swoje tokeny po jednej interakcji naraz”. Tanner przedstawił też argument przeciwko przechwytywaniu ruchu opartemu na wnioskowaniu. Jego zdaniem nic nie zastąpi bezpośredniego przechwytywania ruchu 3D. Modele widzenia komputerowego pracujące na pikselach 2D nieuchronnie popełniają błędy. Czujniki w laboratorium, jak mówił, mają rejestrować najdrobniejszy ruch każdego stawu.

Ten argument nie jest nowy. Teraz jednak ktoś go finansuje.

Również 30 września paryska firma Inbolt poinformowała, że pozyskała 11 mln euro na ekspansję zagraniczną i wejście do produkcji centrów danych oraz elektroniki. Podał to Tech.eu. Rundę poprowadził nowy inwestor Shift4Good, a udział wzięli Bridges Climate Transition Partners oraz dotychczasowi wspierający BNP Paribas Developpement i Ora Global. Łączne finansowanie wynosi teraz 30 mln euro. Inbolt, założony w 2019 roku przez Rudy'ego Cohena, Albane Dersy i Louisa Dumasa, sprzedaje niezależną od sprzętu warstwę oprogramowania AI połączoną z widzeniem 3D. System pozwala robotom korygować pętle sterowania w czasie rzeczywistym, gdy części przyjeżdżają źle ustawione albo narzędzia się zużywają. Działa na ponad 200 robotach w ponad 100 fabrykach na trzech kontynentach, według Tech.eu. Wśród klientów są Bosch, Beko, Flex, Ford, Stellantis i Toyota. Argument firmy: fabryki mogą modernizować istniejące linie, zamiast je wymieniać.

Zostaje szybkość. MindOn opublikował 30 września tekst techniczny, w którym przedstawił Mind-1, model fizycznej AI, który według firmy sprowadza czas wykonania zadania przez robota do ludzkiego. Firma podała, że skróciła opóźnienie wnioskowania z 82 ms do 32 ms. Przy prędkości efektora 3 metry na sekundę, argumentowała, 10 ms opóźnienia odpowiada mniej więcej 3 cm ruchu. To wystarczy, żeby zepsuć precyzyjny chwyt albo wsunięcie części. MindOn zwrócił też uwagę na mniej oczywisty problem: duża część danych o manipulacji pochodzi z teleoperacji, która jest wolniejsza niż naturalny ruch człowieka. Modele uczą się tempa pokazów razem z zadaniem.

Trzy ogłoszenia, jeden dzień, jedna wspólna przesłanka. Pokazy możliwości przestały być trudną częścią.

Raport techniczny firmy Fig Inc., również opublikowany 30 września, w użyteczny sposób komplikuje obraz. Badacze Yangyue Wang, Harshvardhan Sikka, Pranav Guruprasad i Sudipta Chowdhury oceniali modele frontier, w tym Astra i Opus 5.5, w automatyzacji sieci oraz w czterech dziedzinach fizycznych: Bench2Drive, VLABench, IndEgo i Assembly101. Średnie z benchmarków ukrywają ogromne różnice na poziomie zadań, stwierdzili. W każdej testowanej parze modeli słabszy rozwiązał co najmniej jedno zadanie, którego nie rozwiązał mocniejszy. Aktualizacja modelu mogła prawie nie zmienić średniej, a odwrócić wynik wielu pojedynczych zadań. Badacze udostępnili zbiór danych RIDGE z wynikami na poziomie pozycji i śladami modeli.

Zestaw to z liczbami z fabryk, a obraz zmienia się kolejny raz.

Tłem dla tego wszystkiego jest baza produkcyjna, która już jest zautomatyzowana i w większości nie składa się z humanoidów. Na świecie pracuje w fabrykach ponad pięć milionów robotów, a tylko tysiące z nich to humanoidy, według doniesień streszczonych w najnowszych publikacjach branżowych. Te same materiały podają, że chińska UBTECH otworzyła we wrześniu zakład o deklarowanej wydajności jednego humanoida co dziesięć minut. Wspominają, że Hyundai zwiększa produkcję i wdrożenia Atlasa, otwierając przy tym centrum szkoleniowe w zakładzie w Georgii. Japonia chce mieć 10 000 000 robotów AI do 2040 roku, podał 30 września TechRadar. Koreańska SFA podpisała memorandum z Rainbow Robotics w dążeniu do bezzałogowych fabryk do 2030 roku, według Korea JoongAng Daily.

Nie każdy robot w tej rozbudowie będzie humanoidem. Mark Cuban przekonywał, że roboty o ludzkim kształcie poniosą porażkę w ciągu dekady, i powtarzał to stanowisko w ostatnich dniach. IEEE Spectrum opublikowało oceny ekspertów robotyki dotyczące Tesli Optimus. Łańcuch dostaw samej Tesli jest zresztą pod presją w innym miejscu. 30 września Electrek podał, że planowana fabryka paneli słonecznych Tesli w Teksasie została wciągnięta w amerykański pozew patentowy między chińskimi producentami sprzętu Linton Crystal Technologies i Zhejiang Jingsheng. Spór dotyczy ciągarek Czochralskiego potrzebnych do wzrostu monokryształów w planach słonecznych Tesli. Tesla nie jest stroną pozwu.

Ta historia ma tu znaczenie ze względu na strukturę. Łańcuch dostaw humanoidów i łańcuch dostaw paneli słonecznych to nie to samo. Wspólny jest mechanizm awarii: pojedynczy wyspecjalizowany podzespół, kupowany u niewielu dostawców, stoi na początku bardzo długiego planu produkcyjnego.

I wracamy do danych. Tanner z Innodaty podał The Robot Report konkretny przykład, dlaczego kontekst trudno zapisać. Robot, który ma podnieść kubek, może chwycić za ucho albo za podstawę. Oba chwyty są mechanicznie poprawne, ale jeśli w kubku jest gorący płyn, jeden z nich parzy dłoń. Takie rozróżnienia rzadko występują w istniejących zbiorach danych. Klienci Inbolta mierzą się z pokrewnym problemem w realnej produkcji. Źle ustawiona część może zatrzymać robota albo dać wadliwy produkt, a koszt pojawia się jako przestój, nie jako nieudany pokaz. Arytmetyka opóźnień MindOn to trzecia strona tego samego: przy prędkości drobne błędy percepcji i sterowania przestają być drobne.

Pieniądze idą za tym. 11 mln euro Inbolta to skromna suma przy kapitale płynącym do sprzętu humanoidów, ale celuje w zainstalowaną bazę, a nie w nowe humanoidy. Innodata sprzedaje pomiar i ocenę, nie roboty. Arrowfly, spółka matka The Robot Report, uruchomiła 30 września platformę AI for Engineers skierowaną właśnie do takich praktyków. Firma podała, że ponad 30 000 profesjonalistów inżynierskich zajmuje się już tematami AI w jej portfolio, że ma 2 100 000 zweryfikowanych czytelników branżowych i konferencję zaplanowaną na 20 do 22 września 2027 roku w Henderson w Nevadzie. To biznes medialny, nie robotyczny, ale niezły wskaźnik, gdzie idą uwaga i budżet.

Jedno zastrzeżenie trzeba powiedzieć wprost. Duża część ogłaszanych mocy fabryk humanoidów to moce, nie produkcja. Nazwy, daty i cele jednostkowe krążą szybciej niż wysłane egzemplarze. Odstęp między otwarciem fabryki a pracą na pełnych obrotach liczy się zwykle w kwartałach, czasem w latach. Dla żadnej linii humanoidów nie ma zweryfikowanych danych produkcyjnych i nie należy ich wywodzić z ogłoszonych mocy.

Jasne jest natomiast, na podstawie ośmiu źródeł opublikowanych w ciągu ostatnich trzech dni, że rynek zbiega się do tej samej diagnozy z różnych stron. Innodata chce sprzedawać dane treningowe. Inbolt chce sprzedawać warstwę percepcji, która pozwala istniejącym ramionom radzić sobie ze zmiennością. MindOn chce sprzedawać szybkość. Badacze z Fig chcą sprzedawać uczciwszy benchmark. Żaden z nich nie sprzedaje robota.

Komentarze 0

Źródła

8
  1. 01Innodata opens motion-capture lab to help humanoids move more like peopleEN
  2. 02Inbolt raises €11M to bring real-time vision and intelligence to industrial robotsEN
  3. 03Mind-1: Cutting robot inference latency from 82ms to 32msEN
  4. 04How Do Astra and Opus 5.5 Perform on Robotics and Web TasksEN
  5. 05The Robot Report parent Arrowfly launches AI for Engineers platform, events for engineers navigating AIEN
  6. 06Tesla's solar factory dragged into patent war between Chinese suppliersEN
  7. 07Tesla Robotaxi fleets are the new crypto treasury for zombie companiesEN
  8. 08What 30k robot dogs taught me about degrees of freedom, shipping a real productEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Marta Zielińska

Marta Zielińska

AI, modele i technologie

Marta Zielińska pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, preprintach i danych z API, a nie na zapowiedziach producentów. Przy każdej publikacji sprawdza karty modeli, parametry treningowe i benchmarki, a liczby porównuje z niezależnymi testami i wynikami z repozytoriów. Rozmawia z badaczami i inżynierami, czeka na kolejne wydania modeli i zestawia ich działanie z wcześniejszymi wersjami. Prywatnie drukuje w 3D, naprawia stare komputery i sprawdza, jak modele uczą się na śmieciach z internetu. Nie publikuje wyników, których nie może odtworzyć na własnym sprzęcie.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.