Что произошло

Robbyant продемонстрировала свой LingBot-VLA 2.0 — ИИ-политику, способную управлять 20 различными конфигурациями роботов, начиная от одиночных манипуляторов и заканчивая полностью автономными гуманоидными роботами. Эта демонстрация показывает универсальность ИИ, который управляет всеми этими роботами на постоянной скорости, подчеркивая свою автономность в выполнении задач. Обучение этого ИИ потребовало впечатляющих 60,000 часов, включая 50,000 часов реальной работы роботов и 10,000 часов эгоцентрического видео с участием человека.

Почему это важно

Последствия этой технологии значительны для развития робототехники и ИИ. Наличие единой политики, способной управлять различными типами роботов, может упростить производство и применение в таких отраслях, как производство, здравоохранение и услуги. Однако разнообразие показателей успеха среди разных конфигураций роботов указывает на то, что, несмотря на многообещающие перспективы, технологии все еще сталкиваются с проблемами в достижении надежной производительности.

Контекст

LingBot-VLA 2.0 основывается на предыдущих достижениях в области робототехники с ИИ, где создание единой интеллектуальной системы для управления несколькими машинами стало сложной задачей. Смешанный подход к обучению, использованный для этого ИИ, отражает тенденцию к более обобщенному обучению, где ИИ может адаптироваться к различным задачам и средам. Тем не менее, универсальные подходы часто сталкиваются с проблемами точности и надежности, что видно из представленных показателей производительности.

Что это значит

Данные о производительности раскрывают критически важное наблюдение: хотя ИИ демонстрирует потенциал в навигации по задачам, он часто терпит неудачу на последних этапах выполнения. Показатели успешности заметно низки, с общими задачами, достигающими около 34% успеха на одной конфигурации робота и падая до 15% на другой. Это несоответствие между способностью ИИ инициировать задачу и его способностью эффективно ее завершить подчеркивает значительное препятствие в текущей робототехнике на базе ИИ. В дальнейшем решение проблем точности будет иметь решающее значение для практического развертывания таких универсальных ИИ-систем.