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 robotów humanoidalnych pędzą naprzód, a dane do ich treningu zostają w tyle

30 września Innodata otworzyła laboratorium przechwytywania ruchu, które ma generować dane treningowe dla robotów humanoidalnych. Firma twierdzi, że zespołom robotycznym skończyły się dane o interakcjach z realnym światem, których potrzebują, by maszyny były użyteczne.

TechnologiaAnalizaAnna KaczmarekOpublikowano: 30 września 20264 min czytaniaŹródła 8
Fabryki robotów humanoidalnych pędzą naprzód, a dane do ich treningu zostają w tyle

30 września firma inżynierii danych Innodata z New Jersey poinformowała, że otworzyła placówkę badawczo-rozwojową. Rejestruje ona ruch 3D bezpośrednio z ciał ludzi i maszyn, zamiast wnioskować o ruchu z dwuwymiarowego wideo. Firma przedstawia to jako rozwiązanie problemu, na który według niej trafia każdy zespół robotyczny: danych o interakcjach z realnym światem jest za mało, a te, które istnieją, są drogie i powstają wolno, podaje The Robot Report.

Innodata nie buduje robotów. Sprzedaje dane i ramy ewaluacji. Teraz sprzedaje je firmom zajmującym się fizyczną sztuczną inteligencją, które muszą trenować humanoidy i ramiona przemysłowe na zadaniach, jakie ludzie wykonują bez zastanowienia.

"Fizyczna SI rośnie szybciej niż jakikolwiek inny segment AI, ale każdy zespół robotyczny trafia na ten sam mur" - powiedział w oświadczeniu Rahul Singhal, dyrektor generalny Innodata. "Danych o interakcjach z realnym światem jest za mało, a te, które istnieją, są drogie i powstają wolno".

Dlaczego luka w danych waży więcej niż sprzęt

Duże modele językowe miały internet, z którego się uczyły. Roboty go nie mają. Franklin Tanner, wiceprezes Innodata ds. robotyki i fizycznej SI, powiedział The Robot Report, że fizyczna SI "musi zapracować na swoje tokeny jedna interakcja po drugiej, a te interakcje muszą być przemyślane". Czujniki laboratorium rejestrują najmniejszy ruch każdego stawu. Zdaniem Innodata przekłada się to na dokładniejszy i wydajniejszy trening. Tanner podał przykład robota podnoszącego kubek: chwycić za uchwyt albo za podstawę, a różnica może nie mieć znaczenia, dopóki kubek nie jest pełen gorącego płynu.

To problem danych, nie silników. To także tylko jedno z kilku wąskich gardeł, które ujawniły się w tym samym tygodniu.

Paryska firma Inbolt pozyskała 30 września 11 mln euro. Pieniądze mają wepchnąć wizję 3D w czasie rzeczywistym i niezależną od sprzętu warstwę SI na istniejące linie produkcyjne. Tech.eu podało, że rundę poprowadził Shift4Good, a udział wzięli Bridges Climate Transition Partners oraz dotychczasowi inwestorzy BNP Paribas Développement i Ora Global, co podniosło łączne finansowanie do 30 mln euro. Inbolt twierdzi, że jego oprogramowanie działa już na ponad 200 robotach w ponad 100 fabrykach na trzech kontynentach. Wśród klientów wymienia Boscha, Beko, Flexa, Forda, Stellantis i Toyotę.

Również 30 września MindOn przedstawiła Mind-1, model fizycznej SI. Firma twierdzi, że skraca opóźnienie wnioskowania robota z 82 ms do 32 ms i sprowadza zadania manipulacyjne do czasów cyklu na poziomie człowieka. MindOn przekonuje, że robota pięć albo dziesięć razy wolniejszego od człowieka trudno wpiąć w realne procesy, niezależnie od tego, jak zdolnie wygląda na demonstracji.

Problem benchmarków

Deklaracje możliwości coraz trudniej porównywać. Raport techniczny opublikowany 30 września przez Fig. ocenił modele czołówki, w tym Astra i Opus 5.5, w automatyzacji sieci oraz czterech domenach fizycznych: manipulacji, montażu, procedurach przemysłowych i jazdie. Autorzy nie znaleźli wyraźnego lidera. W każdej testowanej parze modeli słabszy rozwiązał co najmniej jedno zadanie, którego nie rozwiązał lepszy.

Ta sama nierówność wyszła w domenach fizycznych. Modele, które biły Gemini 3.5-Flash w średniej z każdej domeny, wypadały gorzej w niektórych kategoriach zadań. Zespół udostępnił zbiór danych na poziomie pozycji o nazwie RIDGE, obejmujący wszystkie pięć domen.

Tymczasem rozbudowa produkcji dalej przyspiesza. Planowana fabryka ogniw słonecznych Tesli w Teksasie została wciągnięta w amerykański pozew patentowy między dwoma chińskimi producentami sprzętu, podało 30 września Electrek. Linton Crystal Technologies pozwała Zhejiang Jingsheng 22 września w federalnym sądzie w Teksasie w sprawie dwóch patentów obejmujących część pieca Czochralskiego, urządzenia ciągnącego monokrystaliczne krzemowe sztaby. Jingsheng ujawniła pozew inwestorom 24 września. Twierdzi, że jej produkty stosują "całkowicie inne rozwiązania techniczne" niż patenty, i nie spodziewa się istotnych skutków.

Nie każda historia o robotach jest przemysłowa. 30 września spółka notowana na Nasdaq o wartości około 2,4 mln dolarów poinformowała, że wysłała do Tesli zapytanie ofertowe na 500 Robotaxi. KIDZ AI, dawniej internetowa szkoła programowania Classover Holdings, odnotowała przychody ze świadczenia usług spadłe o 34% rok do roku do 480 000 dolarów w drugim kwartale i stratę kwartalną 2,5 mln dolarów, podało Electrek. Zapytanie, jak czytamy w komunikacie samej spółki, nie jest wiążącym zamówieniem.

Luka między ogłoszeniami a wdrożonymi maszynami nie zamyka się sama.

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. 04Astra, Opus 5.5, and other Frontier Models Demonstrate Jagged Performance Across SoTA Agentic TasksEN
  5. 05Tesla's solar factory dragged into patent war between Chinese suppliersEN
  6. 06Tesla Robotaxi fleets are the new crypto treasury for zombie companiesEN
  7. 07What 30k robot dogs taught me about degrees of freedom, shipping a real productEN
  8. 08The Robot Report parent Arrowfly launches AI for Engineers platformEN

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.

Anna Kaczmarek

Anna Kaczmarek

AI, modele i technologie

Anna Kaczmarek pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, repozytoriach i danych źródłowych, a nie na komunikatach prasowych. Przy testach modeli sprawdza karty techniczne, parametry wejściowe i liczy wyniki na tych samych zbiorach, zamiast powtarzać liczby od producentów. Czeka na premiery API i aktualizacje wag, rozmawia z inżynierami oraz porównuje wersje modeli pod kątem kosztów i opóźnień. Prywatnie self-hostuje usługi i konfiguruje sieci domowe, więc do redakcji wnosi praktykę z własnego serwera. Nie publikuje zapowiedzi ani parametrów, których nie może odtworzyć na własnym środowisku.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

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