Создатели мозгов роботов выходят из своей эпохи GPT-2

Физический искусственный интеллект (Physical AI) стал одним из самых динамичных секторов венчурного капитала, при этом компании привлекают миллиарды долларов инвестиций для применения базовых инструментов, лежащих в основе больших языковых моделей, в области робототехники.

Этот энтузиазм привел к крупному первичному публичному размещению акций (IPO) компании Unitree, ведущего китайского производителя роботов, которое изначально оценило компанию в 66 миллиардов долларов при выходе на биржу, эквивалентную американскому NASDAQ в Китае. Однако на этой неделе рыночные настроения резко изменились, уничтожив почти половину этой стоимости. Аналитики объясняют это падение критическим пробелом: хотя физические возможности роботов развиваются, им все еще не хватает практических знаний для выполнения задач, генерирующих ценность.

На конференции Actuate, состоявшейся на прошлой неделе и представляющей собой саммит для разработчиков, создающих системы искусственного интеллекта для роботов, оптимизм отрасли был очевидным. По словам Foxglove, организатора, который помогает создателям моделей физического ИИ управлять и визуализировать данные, мероприятие увеличилось в размерах в три раза с момента его основания в 2023 году, собрав 1 500 участников.

Были очевидны и сопутствующие риски. Стенд компании Avala, еще одного игрока в сфере инфраструктуры физического ИИ, демонстрировал знак, обещающий решить «кризис данных в робототехнике».

Этот кризис вызван нехваткой качественных обучающих данных для моделей искусственного интеллекта. Цель создания универсальных роботов, способных выполнять любые задачи, остается далекой, а обучение конкретным задачам «от начала до конца» пока не привело к появлению продуктов с надежной производительностью коммерческого уровня. Для разработчиков решение заключается в имитации прогресса ведущих лабораторий ИИ: сборе или генерации более разнообразных наборов данных, экспериментировании с различными методами обучения и уточнении сценариев обучения с подкреплением.

Харри Меллсоп, основатель стартапа Antioch, разрабатывающего инструменты симуляции для создателей моделей, описывает физический ИИ как находящийся в своей «эре GPT-2», имея в виду модель OpenAI, предшествовавшую ChatGPT. Преодоление текущих ограничений потребует больше данных и вычислительных мощностей, в частности графических процессоров (GPU), оптимизированных для трассировки лучей для создания высокодетализированных симуляций.

Автономные транспортные средства находятся на самом продвинутом этапе, отчасти благодаря возможности сбора соответствующих данных с автомобилей, управляемых людьми, и отчасти потому, что их основная цель — предотвращение столкновений, а не манипулирование физической средой. Большая часть инструментов для разработки моделей происходит от компаний, занимающихся автономными транспортными средствами; например, Foxglove была основана бывшими сотрудниками Cruise, предыдущей инициативы General Motors по автономному вождению.

В результате эти автомобильные компании все больше полагают, что их инвестиции в инструменты машинного обучения позволят им конкурировать с производителями специализированных человекоподобных роботов. Tesla уже реализует эту стратегию со своим роботом Optimus, и теперь как компания Wayve, специализирующаяся на автономных транспортных средствах, так и гигант сервисов такси Uber создали лаборатории робототехники, посвященные человекоподобным форм-факторам, в рамках своих исследований и разработок.

«Я считаю, что вам нужно начинать с транспортных средств… робототехника манипуляции была на уровне автономного вождения пять лет назад», — сказал Алекс Кендалл, генеральный директор Wayve, изданию TechCrunch. «Инфраструктура данных, симуляция и инфраструктура машинного обучения (ML ops), вероятно, будут общими, но конкретная модель мира для симулятора потребует различной последующей настройки. Будет значительное сходство, но также потребуются различия для различных воплощений».

Кендалд утверждает, что преждевременно привязываться к какой-либо одной аппаратной платформе, поскольку достижения в области датчиков и других компонентов происходят быстро, а по-настоящему универсальная модель должна оставаться независимой от аппаратного обеспечения.

Теофиль Жерве, генеральный директор вертикально интегрированной компании по производству человекоподобных роботов Genesis AI, привлекшей 105 миллионов долларов на стадии seed-финансирования в этом году, не согласился. Он сказал TechCrunch: «Мы слишком рано в этой волне для того, чтобы чистая стратегия „мозга“ была успешной; наша точка зрения заключается в том, что существует множество возможностей для совместного проектирования аппаратного обеспечения и ИИ».

Жерве также затронул еще одну заметную тему в секторе: как конкретно сфокусировать бизнес физического ИИ. Робототехнические компании, нацеленные на конкретные задачи, разворачивают своих роботов в полевых условиях: Gritt строит солнечные фермы, Agility эксплуатирует роботов в промышленных условиях, а Bedrock управляет экскаваторами автономно. Тем временем универсальные человекоподобные роботы по-прежнему в основном ограничиваются лабораториями.

«Ни одному клиенту не нужен универсальный робот, который работает с вероятностью успеха 80%», — объяснил Жерве эту дилемму. «Мы видим, что многие другие игроки придерживаются общего подхода, но они не создают никакой ценности без вертикальной специализации. Однако, если вы создаете решение для узкой вертикали поверх модели уровня GPT-2, вас обойдут компании, строящие свои решения на базе GPT-4».

Соблазн инвестировать в конкретную вертикаль силен, так как это генерирует не только выручку, но и реальные данные о развертывании в реальном мире. Хотя данные, специфичные для задач, могут не обладать достаточным разнообразием для продвижения универсальных моделей, они имеют решающее значение для создания роботов, обеспечивающих осязаемую ценность. Главный технологический директор Bedrock Кевин Петерсон отметил, что его компания начала с экскавации, чтобы понять проблемы «манипуляции в реальных условиях», но планирует разработать интеллектуальный слой, охватывающий серию строительных машин.

Управление таким объемом данных является сложной задачей, особенно из-за плотности визуальной и лидарной информации. На этой неделе Foxglove анонсировала новый продукт, построенный на основе открытой модели мира Cosmos от Nvidia, позволяющей инженерам искать данные с помощью сложных запросов на естественном языке для создания оценок и симуляций. Цель состоит в более быстрой сортировке и отладке, что позволяет создателям моделей быстрее вносить изменения.

Итак, каким будет знаменитый момент ChatGPT для физического ИИ, который Сэм Альтман недавно назвал вопросом нескольких лет? Кендалл отмечает, что крупнейшие развертывания роботов в мире по-прежнему представляют собой потребительские пылесосы. Для него момент ChatGPT будет связан с чем-то, что воодушевляет потребителей, а не инвесторов, которые уже крайне энтузиастически настроены.

«Одним из примеров может быть достижение автономности без участия человека менее чем за 1 000 долларов на оборудование в автомобиле», — заявил Кендалл. Не случайно его компания лицензирует модели автопроизводителям с целью достижения именно этого. Он рассматривает этот бизнес как возможность стоимостью в миллиарды долларов, которая позволит создать по-настоящему универсальную воплощенную модель ИИ.

Для Жерве момент, когда физический ИИ станет мейнстримом, — это «манипуляция, которая просто работает из коробки. Вы можете проинструктировать робота на естественном языке выполнить любую базовую задачу манипуляции, такую как толкание, тяга, закрытие ноутбука или очистка стола, и он выполнит ее надежно — скажем, с вероятностью успеха 80% из коробки. Это примерно отразило бы опыт ChatGPT».

Адриан Макнейл, генеральный директор Foxglove, подходит к этому вопросу с другой точки зрения.

«В робототехнике не будет момента ChatGPT», — сказал он TechCrunch. «То, что сделало ChatGPT историческим моментом, — это его распространение: они перешли от нуля примерно к одному миллиону активных пользователей примерно за неделю. Распространение в реальном мире гораздо более сложное. Я был бы очень взволнован моментом Apple II или IBM PC в робототехнике: когда я смогу купить домашнего робота, который начинает выполнять полезные и приятные задачи?»