Развојот на хуманоидните роботи се движи со бавно темпо во поголемиот дел од две децении, но неодамна гледаме се повеќе и повеќе откритија на ова поле. Како што неодамна напишавме, на MWC 2024 беше претставен робот со вештачка интелигенција Амекаи уште еден развој, Unitree H1, го собори брзинскиот рекорд меѓу хуманоидните роботи. А сега на Интернет се појави спектакуларен резултат од соработката помеѓу компаниите Figure AI и OpenAI - неверојатно видео од хуманоиден робот кој сега може да води разговори со луѓе.
Startup Figure AI објави видео на кое се гледа како роботот Figure 01 работи со новиот Visual Language Model (VLM). На неа, Слика 01 стои на маса на која има чинија, јаболко и чаша. Лево има машина за сушење. А на прашањето на човек, што гледа роботот пред себе, тој одговара опишувајќи детално се што лежи на масата.
И тогаш човекот прашува дали може да јаде нешто, а роботот одговара: „Се разбира“, а потоа со вешто мазно движење го зема јаболкото и му го подава на човекот. После тоа следува уште една неверојатна демонстрација - човек истура стуткано ѓубре од корпа пред Слика 01 и бара од роботот да објасни зошто го направил тоа, а во исто време го собира ѓубрето во корпата. И ја објаснува својата „мисла“ додека ја враќа хартијата во ѓубре. „Значи, ти дадов јаболко бидејќи тоа е единствениот предмет за јадење што би можел да ти го дадам од масата“, рекол роботот.
Претставниците на компанијата објаснија дека Слика 01 користи претходно обучен мултимодален модел OpenAI, VLM, за разбирање на слики и текстови и се потпира на гласовни инструкции за да ги генерира своите одговори. Ова е различно од, да речеме, GPT-4 на OpenAI, кој се фокусира на пишани инструкции.
Исто така, користи она што компанијата го нарекува „научени бимануелни манипулации на ниско ниво“. Системот ја координира прецизната калибрација на сликата (до ниво на пиксели) со својата нервна мрежа за контрола на движењето. „Овие мрежи примаат слики на 10 Hz и генерираат 24-DOF дејства (пози на рачниот зглоб и агли на зглобовите на прстите) на 200 Hz“, се вели во соопштението на Figure AI.
Компанијата тврди дека секое однесување во видеото се заснова на системско учење, така што никој зад сцената не ги влече конците на Слика 01. Се разбира, постои една нијанса - не е познато колку пати роботот помина низ оваа процедура. Можеби тоа беше стоти пат, што ги објаснува неговите прецизни движења. Но, во секој случај, ова достигнување изгледа спектакуларно и малку фантастично.
Слика 01 сега ги завршува задачите од реалниот свет
Сè е автономно:
-Автономна навигација и манипулација базирана на сила
- Научен модел на визија за откривање и одредување приоритети
-Реактивна манипулација со корпа (стабилна за варијација на позата)
-Генерализирање на други задачи за избор/место сликаtwitter.com/0wFmYnq0GC— Слика (@Figure_robot) Февруари 26, 2024
Прочитајте исто така: