Το ανθρωποειδές ρομπότ Figure 02 της αμερικανικής εταιρείας Figure έχει κάνει ένα σημαντικό βήμα προόδου στην εκτέλεση πολλαπλών εργασιών στο σπίτι. Το μοντέλο τεχνητής νοημοσύνης Vision-Language-Action (VLA) που ονομάζεται Helix έχει βοηθήσει το ρομπότ να αναλάβει μια νέα δουλειά - να φορτώνει πιάτα στο πλυντήριο πιάτων - με απίστευτες, απίστευτα ανθρώπινες δεξιότητες.
Το Σχήμα 02 δείχνει την ικανότητα φόρτωσης πιάτων στο πλυντήριο πιάτων. (Πηγή: Σχήμα)
Για τους ανθρώπους, το γέμισμα των πιάτων στο πλυντήριο πιάτων είναι μια απλή διαδικασία. Για τα ρομπότ, είναι μια σύνθετη πρόκληση: Να μαζεύουν τα πιάτα με τα δάχτυλά τους, να τα τακτοποιούν τακτοποιημένα, να τα περιστρέφουν ώστε να χωράνε στο δίσκο και να ασκούν αρκετή δύναμη για να μην γλιστρήσουν ή να σπάσουν.
Χάρη στο Helix, το Figure 02 έχει επιδείξει ακρίβεια στο επίπεδο των δακτύλων κατά τον χειρισμό πιάτων, παρόλο που το σφάλμα επιτρέπεται να μετρηθεί μόνο σε εκατοστά. Επιπλέον, το ρομπότ μπορεί να χειριστεί μια ποικιλία αντικειμένων - από μπολ, πιάτα μέχρι ποτήρια - και προσαρμόζεται τέλεια κατά τη διάρκεια της εργασίας.
Προηγουμένως, τα ρομπότ έπρεπε να προγραμματίζονται ειδικά για κάθε συγκεκριμένη εργασία. Αλλά το Helix επιτρέπει στο Figure 02 να μαθαίνει απευθείας παρατηρώντας τους ανθρώπους, επιτρέποντάς του να ανακάμπτει από συγκρούσεις ή σφάλματα χωρίς επαναπρογραμματισμό.
Το Helix ανακοινώθηκε για πρώτη φορά από την Figure τον Φεβρουάριο. Μέσα σε λίγους μόνο μήνες, το Figure 02 έχει γίνει πρωτοσέλιδο: Τον Ιούνιο, το ρομπότ μπόρεσε να ταξινομεί πακέτα σε μια γραμμή συναρμολόγησης. Τον Ιούλιο, ο Διευθύνων Σύμβουλος Brett Adcock μοιράστηκε ένα βίντεο του Figure 02 να φορτώνει ρούχα σε ένα πλυντήριο ρούχων. Τον Αύγουστο, το ρομπότ συνέχισε να διπλώνει πετσέτες με φωνητική εντολή και προσάρμοζε τις ενέργειές του εν κινήσει.
Φαινομενικά άσχετες εργασίες —από το στοίβαγμα πιάτων μέχρι το δίπλωμα πετσετών και την ταξινόμηση τροφίμων— εκτελούνται όλες από το ίδιο γενικό σύστημα Τεχνητής Νοημοσύνης, αποδεικνύοντας την ικανότητά του να επεκτείνεται και να μαθαίνει δυναμικά με βάση τα δεδομένα, αντί να βασίζεται σε τεχνικές που αφορούν συγκεκριμένες εργασίες.
Οι ειδικοί λένε ότι κάθε νέα δεξιότητα που προστίθεται θα δημιουργήσει μια βάση για τα ρομπότ ώστε να προσαρμόζονται πιο ποικιλόμορφα στο μέλλον. Ωστόσο, για να γίνουν πραγματικοί «οικονόμοι», τα ρομπότ πρέπει να καταφέρουν να κατακτήσουν πολλές άλλες εργασίες, όπως το σκούπισμα με ηλεκτρική σκούπα, το μάζεμα των σκουπιδιών ή το ξεσκόνισμα.
Πηγή: https://vtcnews.vn/robot-sap-thanh-giup-viec-ai-biet-gap-khan-xep-bat-dia-ar963799.html
Σχόλιο (0)