Új AI-módszerrel gyorsulnak a robotok: emberi szintű ügyességet ígér a Humanoid
Az új KinetIQ Ascend rendszerrel a robotok akár 1,5-szeres sebességgel is képesek dolgozni, miközben a sikerrátájuk 80%-ról 98%-ra javul – közölte a Humanoid.
A Humanoid bemutatta KinetIQ Ascend nevű új AI-keretrendszerét, amely a robotok képességeit fejleszti. A cég szerint a módszer emberi szintű ügyességet tesz lehetővé, miközben a képzési időt napokra csökkenti. A KinetIQ Ascend a korábbi KinetIQ platformra épül, és próba-szerencse tanulással segíti a robotokat a feladatok finomhangolásában.
„A KinetIQ Ascend, a valós idejű megerősítő tanulási módszerünk, új megközelítést kínál a robotképességek fejlesztéséhez” – nyilatkozta Cannon, a Humanoid szóvivője. „Ahelyett, hogy hónapokat töltenénk adatok gyűjtésével és új készségek manuális beállításával, elkezdhetünk egy alapvető viselkedéssel, és hagyhatjuk, hogy a megerősítő tanulás fejlessze azt egy bevetésre kész képességgé. Ezt a folyamatot egy ‘képességgyárként’ írjuk le, ami azt jelzi, hogyan válnak a humanoid robotok lenyűgöző demókból megbízható ipari eszközökké.”
Kapcsolódó: Meta AI Sapiens2 és a pózbecslés fejlesztése
Eredmények különböző feladatokban
A Humanoid több feladaton is tesztelte a KinetIQ Ascendet. Egy géptáplálási alkalmazásban a rendszer 42%-kal növelte a teljesítményt, és 1,5-szeres sebességgel működött az eredeti emberi demonstrációkhoz képest. Egy zsúfolt tárolóból való alkatrészfelvételi feladatban a teljesítmény 85%-kal nőtt, a sikerarány pedig 80%-ról 98%-ra javult. Egy kétkarú tartálykezelési feladatban a teljesítmény több mint a duplájára nőtt, a sikerarány pedig 78%-ról 99%-ra emelkedett, ami nagyjából húszszoros csökkenést jelent a hibák számában. Mindez mindössze néhány napos képzés után valósult meg.Kapcsolódó: Assured Robot Intelligence felvásárlása
Jövőkép és skálázhatóság
A Humanoid szerint az eredmények azt mutatják, hogy a KinetIQ Ascend új utat nyit a robotképességek fejlesztésében, és hatékonynak bizonyul a valós működési feladatok széles körében, a nagy sebességű egykaros pickingtől a komplex kétkarú kezelésig. A cég kiemelte, hogy a robotok teljesítménye a képzési idő növekedésével kiszámíthatóan javul, hasonlóan a nagy nyelvi modellek (LLM) fejlődéséhez. A szimulációs kísérletekkel alátámasztott trend azt sugallja, hogy a módszer 100%-os megbízhatóságig skálázható.Kapcsolódó: Nvidia biztonságos humanoid robotjai
A cég egy új technikai jelentésben ismertette a KinetIQ Ascend mögötti teljes metodológiát, beleértve a képzési infrastruktúrát, az algoritmikus megoldásokat és az eredmények mélyebb elemzését. A jelentés szerint a rendszer képes általánosítani azokra az objektumokra is, amelyeket a képzés során nem látott.
Kapcsolódó: ABB és PSYONIC robottanulás