Сегодня компания Boston Dynamics и Научно-исследовательский институт Toyota (TRI) объявили о новом партнерстве, «чтобы ускорить разработку гуманоидных роботов общего назначения с использованием моделей большого поведения TRI и робота Atlas от Boston Dynamics». Приверженность работе над роботом общего назначения может показаться, что это партнерство прямо сейчас похоже на партнерство любой другой коммерческой гуманоидной компании, но здесь речь идет совсем не об этом: BD и TRI говорят о фундаментальных исследованиях в области робототехники, сосредотачиваясь на сложных проблемах, и ( самое главное) делимся результатами.
Более широкий контекст здесь заключается в том, что у Boston Dynamics есть исключительно мощная гуманоидная платформа, способная выполнять сложные и иногда болезненно выглядящие движения всего тела, а также некоторые относительно простые и грубые манипуляции. Между тем, TRI уже долгое время работает над разработкой методов обучения на основе искусственного интеллекта для решения множества сложных задач манипулирования. TRI работает над тем, что они называют большие модели поведения (LBM)которые можно рассматривать как аналог больших языковых моделей (LLM), за исключением роботов, выполняющих полезные действия в физическом мире. Привлекательность этого партнерства совершенно очевидна: Boston Dynamics получает новые полезные возможности для Atlas, а TRI позволяет Atlas исследовать новые полезные возможности.
Вот еще немного из пресс-релиза:
Проект разработан таким образом, чтобы в равной степени использовать сильные стороны и опыт каждого партнера. Физические возможности нового электрического робота Atlas в сочетании с возможностью программного управления и телеуправления широким спектром бимануальных манипуляций всего тела позволят исследовательским группам использовать робота для решения широкого спектра задач и собирать данные о его производительности. Эти данные, в свою очередь, будут использоваться для поддержки обучения продвинутых LBM с использованием тщательного оборудования и оценки моделирования, чтобы продемонстрировать, что большие, предварительно обученные модели могут обеспечить быстрое приобретение новых надежных, ловких навыков работы всего тела.
Объединенная группа также проведет исследования, чтобы ответить на фундаментальные вопросы обучения роботов-гуманоидов, способности исследовательских моделей использовать зондирование всего тела, а также понять взаимодействие человека и робота и случаи безопасности/гарантии для поддержки этих новых возможностей.
Для более подробной информации мы поговорили с Скотт Куиндерсма (старший директор по исследованиям робототехники в Boston Dynamics) и Расс Тедрейк (Вице-президент по исследованиям робототехники в TRI).
Как произошло это партнерство?
Расс Тедрейк: Мы очень уважаем команду Boston Dynamics и то, что они сделали, не только с точки зрения оборудования, но и контроллера Atlas. Они наращивают усилия по машинному обучению, поскольку мы все больше и больше работаем над машинным обучением. Что касается TRI, мы видим пределы того, что вы можете сделать в настольных манипуляциях, и хотим выйти за рамки этого.
Скотт Куиндерсма: Сочетание навыков и инструментов, которые TRI объединяет с существующими возможностями платформы, которые есть у нас в Boston Dynamics, а также с командами машинного обучения, которые мы создавали за последние пару лет, дает нам действительно отличную возможность достичь успеха. вместе работаем над землей и делаем с Atlas некоторые удивительные вещи.
Каким будет ваш подход к распространению информации о вашей работе, особенно в контексте всего этого безумия вокруг гуманоидов прямо сейчас?
Тедрейк: Сейчас существует огромное давление, требующее делать что-то новое и невероятное каждые шесть месяцев или около того. В некотором смысле, для этой области полезно иметь столько энергии, энтузиазма и амбиций. Но я также думаю, что в этой области есть люди, которые ценят более длинный и глубокий взгляд на понимание того, что работает, а что нет, поэтому нам нужно сбалансировать это.
Еще я бы сказал, что вокруг так много шумихи. я являюсь невероятно взволнован перспективами всех этих новых возможностей; Я просто хочу убедиться, что, продвигая науку вперед, мы также честны и прозрачны в отношении того, насколько хорошо она работает.
Куиндерсма: Ни одна из наших организаций не упускает из виду, что это, возможно, один из самых захватывающих моментов в истории робототехники, но предстоит еще проделать огромный объем работы.
Какие проблемы ваше партнерство сможет решить?
Куиндерсма: Одна из вещей, которая нас обоих очень волнует, — это диапазон поведения, который возможен с гуманоидами: робот-гуманоид — это гораздо больше, чем пара захватов на мобильной базе. Я думаю, что возможность исследовать весь спектр поведенческих возможностей гуманоидов, вероятно, является чем-то, что мы сейчас имеем в уникальном положении благодаря исторической работе, которую мы проделали в Boston Dynamics. Атлас — очень физически способный робот — самый способный гуманоид, которого мы когда-либо создавали. А программное обеспечение платформы, которое у нас есть, позволяет делать такие вещи, как сбор данных для манипуляций со всем телом, так же просто, как и в любой точке мира.
Тедрейк: На мой взгляд, мы действительно открыли совершенно новую науку — появился новый набор основных вопросов, на которые необходимо ответить. Робототехника вступила в эпоху большой науки, когда требуется большая команда, большой бюджет и сильные сотрудники, чтобы создать огромные наборы данных и обучить модели, чтобы они могли задавать эти фундаментальные вопросы.
Фундаментальные вопросы, например, что?
Тедрейк: Никто не имеет ни малейшего представления о том, какая тренировочная смесь является правильной для гуманоидов. Мол, мы хотим провести предварительную тренировку по языку, это намного лучше, но как рано мы вводим зрение? Как рано мы вводим действия? Никто не знает. Какова правильная программа заданий? Хотим ли мы выполнять простые задачи, в которых сразу после установки мы получим производительность выше нуля? Вероятно. Хотим ли мы также выполнять действительно сложные задачи? Вероятно. Мы хотим быть просто дома? Прямо на заводе? Какая смесь правильная? Хотим ли мы сальто назад? Я не знаю. Мы должны это выяснить.
Есть и другие вопросы, например, достаточно ли у нас данных в Интернете для обучения роботов и как мы можем смешивать и передавать возможности из наборов данных Интернета в робототехнику. Отличаются ли данные робота фундаментально от других данных? Стоит ли нам ожидать таких же законов масштабирования? Стоит ли нам ожидать таких же долгосрочных возможностей?
Еще одним важным вопросом, о котором вы услышите разговоры экспертов, является оценка, которая является основным узким местом. Если вы посмотрите на некоторые из этих работ, которые показывают невероятные результаты, статистическая достоверность их раздела результатов очень слаба, и, следовательно, мы делаем много заявлений о вещах, для которых у нас на самом деле нет особых оснований. Потребуется много инженерной работы, чтобы тщательно нарастить эмпирическую достоверность наших результатов. Я думаю, что оценке не уделяется достаточно внимания.
Что изменилось в исследованиях робототехники за последний год или около того, что, по вашему мнению, способствовало тому прогрессу, которого вы надеетесь достичь?
Куиндерсма: С моей точки зрения, есть две вещи высокого уровня, которые изменили мое представление о работе в этой сфере. Одним из них является сближение области вокруг повторяемых процессов тренировки навыков манипулирования посредством демонстраций. Новаторская работа по диффузионной политике (в котором TRI был большой частью) — действительно мощная вещь — он берет процесс создания навыков манипулирования, которые раньше были в принципе непостижимы, и превращает его во что-то, где вы просто собираете кучу данных и тренируете их на архитектуре, которая на данный момент более или менее стабильна, и вы получите результат.
Во-вторых, все, что произошло в смежных с робототехникой областях искусственного интеллекта, показывает, что масштаб и разнообразие данных действительно являются ключом к обобщаемому поведению. Мы ожидаем, что это справедливо и для робототехники. Итак, если объединить эти две вещи, путь станет действительно ясным, но я все еще думаю, что существует масса открытых исследовательских проблем и вопросов, на которые нам нужно ответить.
Считаете ли вы, что моделирование — эффективный способ масштабирования данных для робототехники?
Тедрейк: Я думаю, что обычно люди недооценивают симуляцию. Работа, которую мы проделали, вселила во меня большой оптимизм в отношении возможностей моделирования, если использовать его с умом. Сосредоточение внимания на конкретном роботе, выполняющем конкретную задачу, означает задавать неправильный вопрос; вам необходимо добиться распределения задач и производительности в симуляции, чтобы можно было прогнозировать распределение задач и производительность в реальном мире. Есть некоторые вещи, которые все еще сложно хорошо смоделировать, но даже когда дело доходит до фрикционного контакта и тому подобного, я думаю, что на этом этапе мы добились неплохих результатов.
Есть ли у этого партнерства коммерческое будущее, о котором вы можете говорить?
Куиндерсма: Что касается Boston Dynamics, мы, очевидно, считаем, что эта работа имеет долгосрочную коммерческую ценность, и это одна из основных причин, почему мы хотим в нее инвестировать. Но цель этого сотрудничества на самом деле заключается в фундаментальных исследованиях: мы должны быть уверены, что мы выполняем работу, продвигаем науку и делаем это достаточно строго, чтобы мы действительно понимали результаты, доверяли им и могли сообщить об этом миру. . Так что да, мы видим в этом огромную коммерческую ценность. Да, мы коммерциализируем Атлас, но на самом деле этот проект посвящен фундаментальным исследованиям.
Что произойдет дальше?
Тедрейк: Есть вопросы на стыке того, что сделал BD, и того, что сделал TRI, и что нам нужно сделать вместе, чтобы начать, и это положит начало делу. Кроме того, у нас есть большие амбиции: цель — получить универсальные возможности, которые мы называем LBM (большие модели поведения), работающие на Atlas. В первый год мы пытаемся сосредоточиться на этих фундаментальных вопросах, раздвинуть границы, писать и публиковать статьи.
Я хочу, чтобы люди с удовольствием следили за нашими результатами, и я хочу, чтобы люди доверяли нашим результатам, когда они их видят. Для меня это самое важное послание сообществу робототехники: благодаря этому партнерству мы пытаемся взглянуть на проблему более долгосрочно, сочетая наш крайний оптимизм с критическим подходом.
Статьи из вашего сайта
Статьи по теме в Интернете