AI นโยบายทั่วไปตัวแรกของ Physical Intelligence ทำให้การพับผ้าเป็นจริงได้

 (physicalintelligence.company)
1 คะแนน โดย GN⁺ 2024-11-12 | 1 ความคิดเห็น | แชร์ทาง WhatsApp

  • ความฉลาดทางกายภาพ (π)π0: นโยบายทั่วไปตัวแรกของเรา

  • เรากำลังอยู่ในยุคปฏิวัติ AI และแม้ว่า AI จะสามารถแก้ปัญหา "ง่าย" อย่างการชนะเกมหมากรุกหรือค้นพบยาตัวใหม่ได้ แต่ปัญหาในโลกกายภาพอย่างการพับเสื้อหรือเก็บโต๊ะให้เรียบร้อยก็ยังคงเป็นเรื่องยาก เพื่อแก้ปัญหานี้ เราจำเป็นต้องทำให้ระบบ AI มีความฉลาดทางกายภาพ

  • ตลอด 8 เดือนที่ผ่านมา เราได้พัฒนา π0 ซึ่งเป็นโมเดลพื้นฐานสำหรับหุ่นยนต์แบบทั่วไป และเป็นก้าวแรกในการสร้างปัญญาประดิษฐ์ที่ทำให้ผู้ใช้สามารถขอให้หุ่นยนต์ทำงานตามที่ต้องการได้ π0 ครอบคลุมทั้งภาพ ข้อความ และการกระทำ และเรียนรู้ความฉลาดทางกายภาพผ่านประสบการณ์ของหุ่นยนต์

  • คำมั่นสัญญาของนโยบายหุ่นยนต์แบบทั่วไป

  • ปัจจุบันหุ่นยนต์ยังมีความเชี่ยวชาญเฉพาะทางในวงแคบ และไม่สามารถลงมือทำงานในสภาพแวดล้อมที่ซับซ้อนได้ AI สามารถทำให้การเขียนโปรแกรมพฤติกรรมใหม่ง่ายขึ้น โดยช่วยให้หุ่นยนต์เรียนรู้และปฏิบัติตามคำสั่งของผู้ใช้ได้ ซึ่งสิ่งนี้ต้องอาศัยข้อมูลจำนวนมาก

  • หากเราสามารถฝึกนโยบายหุ่นยนต์แบบทั่วไปได้ ก็จะสร้างโมเดลที่ทำทักษะได้หลากหลายและควบคุมหุ่นยนต์ได้หลายแบบ โดยสามารถปรับให้เฉพาะกับงานใหม่ได้ด้วยข้อมูลเพียงเล็กน้อย

  • ชุดการฝึกแบบข้ามการติดตั้งใช้งาน

  • π0 ได้รับการฝึกด้วยการพรีเทรน vision-language ขนาดระดับอินเทอร์เน็ต, ชุดข้อมูลโอเพนซอร์สสำหรับการจัดการวัตถุด้วยหุ่นยนต์ และชุดข้อมูลงานที่ต้องใช้ความประณีตจากหุ่นยนต์ 8 แบบที่แตกต่างกัน ทำให้สามารถทำงานได้หลากหลาย ทั้งผ่าน zero-shot prompting หรือการปรับแต่งเพิ่มเติม

  • การสืบทอดความเข้าใจเชิงความหมายในระดับอินเทอร์เน็ต

  • π0 สืบทอดความรู้เชิงความหมายและความเข้าใจด้านภาพจาก vision-language model (VLM) ที่พรีเทรนในระดับอินเทอร์เน็ต โดย VLM ถูกฝึกให้สร้างแบบจำลองข้อความและภาพบนเว็บ

  • การฝึกต่อภายหลังเพื่อการจัดการที่ประณีต

  • งานที่ซับซ้อนและต้องการความประณีตสามารถทำให้โมเดลเชี่ยวชาญเฉพาะทางได้ด้วยการปรับแต่งเพิ่มเติม ตัวอย่างเช่น งานพับผ้าเป็นงานที่ยากมาก

  • การประเมินและเปรียบเทียบ π0

  • π0 แสดงประสิทธิภาพที่ยอดเยี่ยมในทุกงานเมื่อเทียบกับโมเดลพื้นฐานสำหรับหุ่นยนต์อื่น ๆ และยังให้ผลลัพธ์ดีกว่าเมื่อเทียบกับ π0-small

  • ทิศทางในอนาคต

  • เป้าหมายของ Physical Intelligence คือการพัฒนาโมเดลพื้นฐานที่สามารถควบคุมหุ่นยนต์ทุกประเภทได้ การทดลองจนถึงตอนนี้แสดงให้เห็นว่าสามารถควบคุมหุ่นยนต์ที่หลากหลายและทำงานที่ก่อนหน้านี้ไม่เคยสำเร็จได้ อย่างไรก็ตาม นโยบายหุ่นยนต์แบบทั่วไปยังอยู่ในระยะเริ่มต้น และยังต้องการความก้าวหน้าอีกมากในอนาคต

บทความที่เกี่ยวข้อง

1 ความคิดเห็น

 
GN⁺ 2024-11-12
ความคิดเห็นจาก Hacker News

  • กล่าวถึงความจำเป็นของหุ่นยนต์งานบ้านเพื่อความพึงพอใจของมนุษย์

    • เป้าหมายของมูลค่าทางเศรษฐกิจคือความสุขและความพึงพอใจของมนุษย์
    • เมื่อมีฐานะดีขึ้นก็มักมีแนวโน้มจ้างคนทำงานบ้านแทน
    • บริษัทต่าง ๆ ได้รับประโยชน์จากการที่ผู้หญิงเข้าสู่ตลาดแรงงาน
    • เสนอว่าสามารถทำให้หุ่นยนต์งานบ้านเข้าถึงได้สำหรับทุกคน
    • นวัตกรรมทางเทคโนโลยีถูกนำเข้าสู่บ้านและทำให้ชีวิตสะดวกขึ้น
    • คาดว่าหุ่นยนต์แม่บ้านจะนำมาซึ่งการเปลี่ยนแปลงทางสังคม

  • มุมมองที่ตั้งข้อสงสัยต่อการใช้งานจริงของหุ่นยนต์

    • โต้แย้งว่าหุ่นยนต์ยังไม่สามารถใช้งานได้จริงหากไม่มีมนุษย์คอยกำกับดูแล
    • มีความสงสัยต่อความเป็นไปได้ของหุ่นยนต์งานบ้านแบบอเนกประสงค์

  • ปัญหาข้อจำกัดด้านพื้นที่ในเมืองของยุโรป

    • ข้อจำกัดด้านพื้นที่ของห้องซักผ้าทำให้ใช้งานหุ่นยนต์ได้ยาก
    • ห้องซักผ้ามักอยู่ในพื้นที่ขนาดเล็ก
    • หุ่นยนต์เข้าถึงห้องซักผ้าได้ยาก

  • ศักยภาพของหุ่นยนต์ในฐานะเครื่องมืออัตโนมัติสำหรับห้องแล็บ

    • หากความแม่นยำดีขึ้น ก็จะมีประโยชน์ในฐานะเครื่องมืออัตโนมัติสำหรับห้องแล็บ
    • งานจำนวนมากในห้องแล็บดำเนินไปตามขั้นตอนที่กำหนดไว้

  • ศักยภาพของหุ่นยนต์ทำอาหาร

    • หุ่นยนต์ทำอาหารน่าจะมีประโยชน์มากกว่าหุ่นยนต์ซักผ้า
    • หุ่นยนต์ทำอาหารจะส่งผลกระทบอย่างมากต่ออุตสาหกรรมอาหาร

  • ปัญหาเรื่องความเรียบง่ายและต้นทุนของหุ่นยนต์

    • หุ่นยนต์ที่เรียบง่ายกว่าน่าจะมีต้นทุนต่ำกว่า
    • การทำอาหารมีความจำเป็นบ่อยกว่าการซักผ้า

  • การเปลี่ยนแปลงของการซักผ้า

    • คนรุ่นใหม่ซักผ้าและรีดผ้าน้อยลง
    • ความจำเป็นในการซักผ้ากำลังลดลง

  • ปัญหาเรื่องความเร็วของหุ่นยนต์

    • สงสัยว่าทำไมหุ่นยนต์จึงเคลื่อนไหวช้า
    • ตั้งคำถามว่าเป็นเพราะความปลอดภัย หรือเพราะความเร็วที่มากขึ้นทำให้ความยากเพิ่มขึ้น