Eilutės kelių agentų robotikos modelis veikia be išankstinio mokymo

Dalis iššūkių suderinti dirbtinį intelektą su robotais yra reikalingų mokymo duomenų kiekis. „Eiless AI Inc.“ vakar teigė, kad jos robotikos architektūra gali geriau atlikti tipiškas namų ūkio užduotis nei kiti robotikos modeliai ir be jokio išankstinio mokymo.

„Manau, kad derindami savo pasaulio modeliavimą ir aktyvias išvadų galimybes, mes parodėme, kad robotai gali galvoti apie jų„ kojas “ – naršyti ir atlikti sudėtingas užduotis be mėnesių brangaus mokymo.“ Pareiškė Hari Thiruvengada, „Eiless“ vyriausiasis technologijų pareigūnas. „Mūsų proveržis gali pakeisti tai, kaip robotai veikia įvairiose pramonės šakose, nuo gamyklų ir sandėlių iki namų ir viešųjų erdvių, potencialiai atrakindami naują tikrai adaptyvios, patikimos automatizavimo erą“.

Įkurta 2020 m. Kaip „Verses Technologies Inc.“, „VERSES“ teigė, kad tai yra „kognityvinė skaičiavimo įmonė, kurianti naujos kartos agentų programinės įrangos sistemas“, įkvėptas gamtos. Vankuveris, Britų Kolumbijoje įsikūrusi bendrovė, ji teigė, kad ji sukūrė ITS Genijus Funkcinis produktas, susijęs su pirmaisiais principais, nustatytais mokslo, fizikos ir biologijos principais. Pasak „Eiless“, platforma gali generuoti patikimus konkrečius domeno prognozes ir sprendimus dėl netikrumo.

Antrojo ketvirčio 2025 m., Pateikusi šią savaitę JAV vertybinių popierių ir biržos komisijai, „VeleSs“ pranešė, kad grynosios pajamos sudarė 115 939 USD, grynąjį grynąjį grynąsias grynuosius pinigus ir 3,2 mln. USD grynųjų.

Redaktoriaus pastaba: „Robobusiness 2025“, kuris vyks spalio 15 ir 16 dienomis Santa Klaroje, Kalifornijoje, apims fizinį AI forumą tarp kitų takelių. Registruokitės dabar, kad galėtumėte dalyvauti!

Eilutės kuria AI pritaikomumui

Versijos apibūdino robotus kaip suskirstytus į dvi kategorijas: povandį, kuriame viskas yra iš anksto užprogramuota, ir gilus mokymasis, kuriam mokymui reikia daug duomenų.

„Robotai dažnai gerai atlieka scenarijaus užduotis, tačiau gali įšaldyti, kai susiduria su naujomis situacijomis; net kažkas tokio paprasto, kaip netinkamos vietos dėžutė, gali sustabdyti progresą“,-pažymėjo bendrovė, kuri cituoja autonomines transporto priemones (AGV) kaip „Drive-Le-Wire“ sistemų pavyzdžius.

Kadangi gamyklos, sandėliai ir namai visada keičiasi, robotai dažnai stengiasi prisitaikyti, dirbti lėčiau ar net sustoti, sakė jis. Norint įveikti savo būdingus apribojimus, robotikos aplinka dažnai kontroliuojama. Pavyzdžiui, robotai gali būti dedami į narvą arba tose vietose, kur neleidžiama žmonėms. Ši praktika labai sumažina robotų naudingumą, sakė eilutės.

Nors giluminio mokymosi požiūriai yra lankstesni, jiems reikia daug duomenų ir vis tiek gali kovoti su pokyčiais, tokiais kaip butelis nukritęs arba kėdė, pasak bendrovės.

„Kai žmogus turi atsigerti naujame bute, jie nevykdys atlikdami šią užduotį šimtuose skirtingų butų; jie sugeba prisitaikyti, nes turi modelį, kaip veikia pasaulis“, – sakė A. Versesas. „Tai leidžia žmonėms išsiaiškinti, kad jiems reikia atidaryti šaldytuvą ir paimti buteliuką“.

Bendrovė tvirtino, kad jos sistemai nereikia jokio išankstinio mokymo, o vietoj to tiesiog prisitaiko tyrinėdama aplinką. Jie susideda iš regėjimo, planavimo ir valdymo modulių, leidžiančių robotams valdyti netikėtas kliūtis arba pasiimti numestus daiktus.

Nauji modeliai sprendžia buities užduotis

„VERSES“ tyrimų laboratorijos nariai paskelbė dokumentą pavadinimu „Mobilusis manipuliavimas su aktyvia išvada dėl tolimojo horizonto pertvarkymo užduočių“. Jie palygino robotikos eilučių modelį su giliai mokymosi alternatyva atliekant tris užduotis: kambario sutvarkymą, maisto prekių paruošimą ir lentelės nustatymą.

„VSES“ sako, kad jo modelis gerai atliko pagrindines namų ūkio užduotis. (Spustelėkite čia, norėdami padidinti.) Šaltinis: eilė

Robotikos modelis pasiekė 66,5% sėkmės procentą atliekant šias užduotis, o ankstesnės geriausios alternatyvos sėkmės procentas buvo 54,7%. Bendrovė teigė, kad jos modeliui nereikia mokymo, tuo tarpu „daugialypės įgūdžių manipuliavimo mobiliesiems“ modeliui reikėjo 1,3 milijardo žingsnių, kad būtų išankstinė kelių įgūdžių praktika per tris užduotis.

Eilesių modelis turėjo pagrindinių žinių, tokių kaip savo rankos poilsio poza, kai tuščiąja eiga ar kiek pasipriešinimo ranka gautų iš kliūčių. Priešingai, pradiniam modeliui reikėjo 6400 epizodų mokymo neprisijungus per užduotį ir 100 milijonų žingsnių už įgūdžius iš viso septynių įgūdžių, tokių kaip objekto paėmimas ar šaldytuvo atidarymas.

„Šiuo metu robotikos sistemos dažnai būna trapios ir joms reikia didžiulio mokymo duomenų, todėl jie yra brangūs ir linkę suklysti“. Seanas Wallingfordas, buvęs „Swisslog“, pirmaujančios logistikos automatikos kompanijos, prezidentas ir generalinis direktorius Seanas Wallingfordas. „Pavyzdžiui, jei atnešite robotą į naują gamyklą arba paprašysite jo atlikti kitokį darbą, jam reikės daug perdaryti ir gali būti nepatikimas.“

„Versijos proveržiai yra įdomūs, nes jie siūlo alternatyvų požiūrį“, – pridūrė jis. „Jei galėsime dislokuoti robotus be mokymo, jie bus perspektyvūs įvairiose veiklose, pradedant gamyklomis ir sandėliais ir baigiant vidaus ir komercinėmis programomis.“

https://www.youtube.com/watch?v=jifjegiw0iq