MWC 2018
2018
Computex
IFA 2018
OpenAI расформировала свое отдельное подразделение по робототехнике, объяснив этот шаг изменением концепции. По словам представителя OpenAI, компания не отказывается от цели создания роботов широкого назначения, однако не видит необходимости в разработке узкоспециализированных ИИ-моделей, предназначенных только для роботов, поскольку универсальные модели вполне могут выполнять эти функции.
Источник изображения: Steve A Johnson/unsplash.com
По словам представителя OpenAI, универсальная модель GPT-6 Astra показала неожиданные успехи в выполнении отдельных робототехнических задач. Между тем ещё в начале года исследователи компании предполагали, что развитие этого направления будет опираться на наработки видеогенератора Sora, способного моделировать физический мир.
Но затем выяснилось, что универсальные передовые модели OpenAI можно напрямую применять в робототехнике. Именно поэтому отдельная команда по робототехнике была расформирована, а работавших в ней специалистов перевели в группы, работающие над более универсальными моделями ИИ.
Исследовательская группа по робототехнике вошла в состав основного исследовательского подразделения под руководством директора по исследованиям Марка Чена (Mark Chen), а специалисты по прикладной робототехнике и аппаратному обеспечению были переведены в подразделение прикладных разработок, которое подчиняется президенту OpenAI Грегу Брокману (Greg Brockman).
Такой подход может поставить под сомнение ставку многих робототехнических стартапов на специализированные модели, обладающие «пространственным интеллектом». Однако практический опыт эксплуатации роботов и собранные в реальных условиях данные сохраняют самостоятельную ценность.
Расс Тедрейк (Russ Tedrake), соучредитель и генеральный директор компании Walden Robotics, отметил, что у робототехнических компаний есть преимущество, которого нет у ИИ-лабораторий: их роботы уже получают практический опыт работы в реальных условиях — например, в заводских цехах.
По его словам, более совершенные базовые модели повышают ценность специфических для конкретного объекта данных, поскольку позволяют роботам быстрее на них обучаться.
Универсальные модели уже пробуют использовать для управления роботами без дополнительного обучения на робототехнических данных. В таких экспериментах модель получает изображения с камер, сведения о роботе и доступ к интерфейсу, через который может отдавать ему команды.
В исследовании Nvidia агент на базе GPT-6 Astra успешно выполнил 74,8 % заданий на манипулирование предметами. Для сравнения, лучший опубликованный результат специализированных робототехнических моделей в том же рейтинге составлял 51 %. Однако испытания проходили в симуляции: модель управляла виртуальным роботом, поэтому переносить эти результаты на реальные устройства пока нельзя.
У крупных универсальных моделей есть и ограничения: обработка запросов занимает время, а использование облачного сервиса требует постоянного подключения к сети. Поэтому Гуанья Ши (Guanya Shi), доцент Института робототехники Университета Карнеги — Меллона, считает, что компактные специализированные модели по-прежнему нужны — они могут работать непосредственно на бортовом компьютере робота.
Какой подход окажется успешнее в долгосрочной перспективе, пока неясно, отметил Пит Флоренс (Pete Florence), соучредитель стартапа Generalist, разрабатывающего универсальные ИИ-модели для роботов.
Источник:
