Humanoidy wchodzą na halę produkcyjną: dane, opóźnienia i spór w zarządzie

Innodata otworzyła 30 września laboratorium przechwytywania ruchu. Firma zapowiada, że będzie generować dane treningowe dla humanoidów i robotów przemysłowych oraz niezależnie weryfikować wyniki, które te roboty podają o sobie samych. Spółka zajmująca się inżynierią danych z Ridgefield Park w New Jersey zbudowała obiekt razem z Vicon. Kamery tego producenta śledzą ruch w podczerwieni i mierzą go z dokładnością do ułamka milimetra. Pisze o tym The Robot Report.

To najnowszy epizod z tygodnia zapowiedzi sprzętowych i programistycznych. Wszystkie wskazują na tę samą lukę: roboty potrafią się ruszać, ale dane i pętle sterowania za nimi nie są jeszcze wystarczająco dobre na zwykłą zmianę w fabryce.

Pieniądze rzucone na problem z danymi

"Fizyczna AI rośnie szybciej niż każdy inny segment AI, ale każdy zespół robotyczny trafia na tę samą ścianę: brakuje danych z realnych interakcji, a te, które istnieją, są drogie i powstają wolno" - powiedział w ogłoszeniu Rahul Singhal, dyrektor generalny Innodaty. Franklin Tanner, wiceprezes firmy ds. robotyki i fizycznej AI, powiedział The Robot Report, że duże modele językowe mogły żywić się otwartym internetem, a roboty nie mogą: "Fizyczna AI musi zapracować na swoje tokeny jedna interakcja po drugiej, i to z rozmysłem".

Innodata twierdzi, że przechwytuje ruch 3D bezpośrednio z ciał, ludzkich lub mechanicznych, zamiast wnioskować go z wideo 2D. Uzyskane dane mogą zasilać cyfrowe bliźniaki dla przypadków brzegowych. Tanner wskazał też ograniczenie, o którym branża nie lubi rozmawiać: nie ma dziś danych treningowych, w których człowiek i robot wchodzą w interakcję. Nad tym między innymi pracuje nowe laboratorium.

Firma nie jest osamotniona w tezie, że o wdrożeniu decydują dane, a nie ciało robota. Destro AI wyszła z ukrycia 30 września z rundą zalążkową o wartości 8 000 000 dolarów, prowadzoną przez Base10 Partners i Bonfire Ventures z udziałem CoFound Partners, i z nietypową propozycją. Nie buduje bowiem robotów.

"Jednym z najważniejszych powodów, dla których wygrywamy z firmami robotycznymi, jest to, że nie jesteśmy firmą robotyczną" - powiedział TechCrunch założyciel Manthan Pawar.

Koordynacja ludzi i wózków

Oprogramowanie Destro kieruje zarówno pracownikami, jak i maszynami. W zakładzie Yusen Logistics w regionie Pacific Northwest trzy roboty do przewożenia wózków, zbudowane przez Miva Robotics, działają na systemie operacyjnym Vision od Destro, opartym na otwartych modelach typu vision-language-action. Pracownicy rozładowują towar z jednej ciężarówki do wózków, a roboty przewożą pełne wózki do miejsc docelowych. System Mothership od Destro koordynuje ludzi, wózki i ciężarówki. Richard Brunelle z Yusen powiedział TechCrunch, że dwa inne startupy robotyczne nie pasowały do tego samego procesu cross-dock: jeden przenosił wózki z punktu do punktu, ale nie radził sobie z załadunkiem ani rozładunkiem, drugi wymagał człowieka do koordynacji.

Destro rozszerza teraz pilotaż do 26 robotów i zaczyna drugi, z 17 robotami, w południowej Kalifornii. Plan Pawara zakłada powielenie procesu cross-dock w innych magazynach. TechCrunch zauważa jednak, że firma nie pokazała jeszcze, że poradzi sobie z zadaniami wymagającymi prawdziwej zręczności.

Szybkość to druga połowa problemu. MindOn opublikowała 30 września tekst techniczny, w którym przedstawia Mind-1, model fizycznej AI. Według firmy skraca on opóźnienie wnioskowania robota z 82 milisekund do 32 milisekund, przybliżając czas wykonania zadania do ludzkich cykli. Tekst mówi wprost, dlaczego to ma znaczenie: przy prędkości efektora 3 metrów na sekundę 10 milisekund opóźnienia to około 3 centymetry ruchu, dość, by zepsuć chwyt albo wsunięcie elementu. MindOn zwraca też uwagę, że większość danych o manipulacji pochodzi z teleoperacji, która jest znacznie wolniejsza od naturalnego ruchu człowieka. Modele uczą się więc wolnego tempa razem z zadaniem.

Benchmarki ukrywają postrzępione krawędzie

Osobne badanie opublikowane 30 września przez naukowców z Fig. Inc podważa wyniki, którymi porównuje się modele napędzające to wszystko. Zespół uruchomił siedem wiodących modeli, w tym Astra i Opus 5.5, na 177 zadaniach webowych w zamkniętej pętli w VisualWebArena. Potem sprawdził trzy modele w czterech domenach fizycznych: VLABench, Assembly101, IndEgo i Bench2Drive. Wniosek jest taki, że średnie z benchmarków ukrywają, jak nierówno modele sobie radzą. W każdej testowanej parze modeli słabszy rozwiązał co najmniej jedno zadanie, które pominął mocniejszy. Aktualizacja modelu może niemal nie zmienić średniej, a jednocześnie odwrócić wyniki wielu pojedynczych zadań. Modele, które pokonały Gemini 3.5-Flash w średniej z każdej domeny, w niektórych kategoriach zadań wypadły gorzej.

To nie jest wyłącznie problem badawczy. 30 września TechCrunch poinformował, że Matan Grinberg, współzałożyciel i dyrektor generalny start-upu Factory zajmującego się kodowaniem z AI, powiedział, że zwolnił inwestora Chrisa Degnana z funkcji doradcy zarządu. Zarzucił mu przekazanie poufnych informacji konkurentowi Cognition. Degnan ogłosił dwie godziny później, że dołączył do Cognition jako dyrektor ds. przychodów, i stwierdził, że odszedł sam, a nie został zwolniony. Khosla Ventures, inwestor w obu firmach, zobaczył, jak jego założyciel Vinod Khosla i partner Keith Rabois zajęli przeciwne stanowiska na X. Factory pozyskała w tym miesiącu 200 000 000 dolarów przy wycenie 5 000 000 000 dolarów; Cognition pozyskała 2 000 000 000 dolarów przy wycenie 48 000 000 000 dolarów.

Pieniądze są. Niezawodny robot, który je odzyska na hali produkcyjnej, wciąż pozostaje pytaniem otwartym.