Физический ИИ — один из самых перспективных секторов венчурных инвестиций, куда компании привлекают миллиарды долларов для применения инструментов, которые позволили создать большие языковые модели, в робототехнике, пишет TechCrunch.
Почему универсальные роботы пока не работают
Этот ажиотаж помог компании Unitree, ведущему китайскому производителю роботов, провести крупное IPO, в результате которого ее стоимость после выхода на китайский аналог Nasdaq достигла $66 млрд. Однако на этой неделе ситуация резко изменилась, и компания потеряла почти половину своей стоимости. Аналитики указывают на одну очевидную проблему: хотя физические возможности роботов улучшаются, им по-прежнему не хватает ноу-хау для выполнения работы, создающей реальную ценность.
На прошлой неделе на конференции Actuate — встрече разработчиков, создающих ИИ мозги для роботов, — царило явное воодушевление. По данным организаторов, мероприятие выросло втрое по сравнению с 2023 годом и собрало 1500 участников.
В этой сфере есть и риски: вывеска на стенде Avala, еще одного игрока в области инфраструктуры физического ИИ, обещала решить «кризис данных в робототехнике».
Кризис заключается в нехватке высококачественных обучающих данных для ИИ моделей. Попытки создания универсальных роботов, способных выполнять любую задачу, пока далеки от реализации, а использование сквозного обучения для решения конкретных задач до сих пор не привело к созданию продуктов с надежной коммерческой эффективностью. Для разработчиков ответ заключается в том, чтобы лучше копировать успехи ведущих ИИ лабораторий — находить или создавать более разнообразные наборы данных, экспериментировать с разными режимами обучения и разрабатывать более совершенные сценарии обучения с подкреплением.
Как разработчики ищут путь к коммерческому успеху
Гарри Мелсоп, основатель стартапа Antioch, разрабатывающего инструменты моделирования для создателей моделей, считает, что физический ИИ находится в своей «эпохе GPT 2», то есть на уровне модели OpenAI, предшествовавшей появлению ChatGPT. Для преодоления этого барьера потребуется больше данных и вычислительных мощностей, особенно графических процессоров, оптимизированных для трассировки лучей, которые используются для создания высокоточных симуляций.
Наибольшего прогресса достигли беспилотные автомобили, отчасти благодаря возможности сбора необходимых данных от автомобилей, управляемых людьми, а отчасти потому, что их главная задача — избегать контакта, а не манипулировать физической средой. Большая часть инструментов для построения моделей разработана компаниями, занимающимися беспилотными автомобилями; например, компания Foxglove была основана бывшими сотрудниками Cruise, бывшей команды General Motors, занимавшейся разработкой беспилотных автомобилей.
Теперь эти автомобильные компании все чаще делают ставку на то, что их инвестиции в инструменты машинного обучения позволят им конкурировать со специализированными производителями человекоподобных роботов. Tesla уже пытается это сделать со своим роботом Optimus, а теперь и компания Wayve, специализирующаяся на беспилотных автомобилях, и гигант в сфере услуг такси Uber запустили лаборатории робототехники, ориентированные на человекоподобные форм-факторы, в рамках научно-исследовательских работ.
«Я думаю, что начинать нужно с транспортных средств, робототехника для манипулирования — это как беспилотные автомобили пять лет назад», - сказал генеральный директор Wayve Алекс Кендалл.
Он утверждает, что пока рано делать выводы о какой-либо одной аппаратной платформе — прогресс в области датчиков и других компонентов происходит быстро, и по-настоящему универсальная модель должна быть более агрегированной.
Генеральный директор Genesis AI, вертикально интегрированной компании по разработке человекоподобных роботов, которая в этом году привлекла $105 млн в рамках посевного раунда, не согласился с этим, заявив:
«Мы находимся на слишком раннем этапе этой волны, чтобы стратегия, основанная на использовании искусственного интеллекта, сработала; мы считаем, что существует множество возможностей для совместной разработки аппаратного обеспечения и ИИ».
Он также затронул еще одну актуальную тему в этом секторе: как именно сосредоточить свой бизнес в области физического ИИ. Робототехнические компании, ориентированные на выполнение конкретных задач, внедряют своих роботов в практику — Gritt строит солнечные электростанции, Agility использует роботов в промышленных условиях, а Bedrock управляет экскаваторами в автономном режиме. Между тем, универсальные человекоподобные роботы не выходят за пределы лабораторий.
«Ни одного клиента не интересует универсальный робот, который работает с 80% вероятностью успеха», — подчеркнул глава Genesis AI.
Однако соблазн инвестировать в конкретную вертикаль велик, поскольку это обеспечивает не только доход, но и данные о реальном применении. Хотя данные, специфичные для конкретных задач, могут быть недостаточно разнообразными для продвижения универсальных моделей, они важны для создания робота, приносящего пользу.
Управление множеством данных — непростая задача, особенно из за плотности визуальных и лидарных данных. На этой неделе Foxglove анонсировала новый продукт, построенный на основе открытой весовой модели мира Nvidia Cosmos, который позволяет инженерам осуществлять поиск по данным с помощью сложных запросов на естественном языке для построения оценок и моделирования. Цель — ускорить обработку и отладку, чтобы разработчики моделей могли быстрее вносить изменения.
Когда наступит «момент ChatGPT» для роботов
Так что же станет тем самым легендарным моментом ChatGPT для физического ИИ, о котором Сэм Альтман недавно сказал, что он наступит всего через несколько лет? Кендалл отмечает, что крупнейшее в мире внедрение роботов по-прежнему связано с бытовыми роботами-пылесосами. Для него моментом ChatGPT станет то, что заинтересует потребителей, а не инвесторов, которые уже и так полны энтузиазма.
«Одним из примеров могла бы стать возможность автономного управления автомобилем без участия водителя, стоимость оборудования которого составляет менее $1000», — отметил Кендалл.
Его компания лицензирует модели автопроизводителям, стремясь создать именно такую систему. И этот бизнес, который он рассматривает как многомиллиардную возможность, позволит им создать по-настоящему универсальную модель воплощенного искусственного интеллекта.
Глава Genesis AI считает, что физический ИИ станет реальностью, когда «манипуляции будут работать сразу же после установки».
«Вы можете поговорить с роботом на естественном языке и заставить его выполнить любую базовую задачу манипуляции, например, толкнуть, потянуть, закрыть ноутбук, убрать со стола — все, что угодно, и он будет работать с определенной степенью надежности, скажем, более 80% сразу после установки — это примерно то, что вы получаете от ChatGPT», - пояснил он.
Генеральный директор Foxglove Эдриан Макнейл смотрит на этот вопрос несколько иначе:
«Для робототехники не будет такого момента, как с ChatGPT. То, что сделало ChatGPT знаковым событием, — это распространение: они прошли путь от нуля до миллиона активных пользователей примерно за неделю. Распространение в реальном мире намного сложнее, верно? Я был бы очень рад моменту, подобному Apple II или IBM PC. Когда я смогу купить домашнего робота, который начнет делать что-то полезное и интересное?».
