Հումանոիդ ռոբոտների զարգացումը երկու տասնամյակների մեծ մասում դանդաղ տեմպերով է շարժվել, սակայն վերջերս մենք ավելի ու ավելի շատ բեկումներ ենք տեսնում այս ոլորտում: Ինչպես վերջերս գրել էինք, AI ռոբոտը ներկայացվել է MWC 2024-ին Ամեկաև մեկ այլ զարգացում, Unitree H1, արագության ռեկորդ է սահմանել մարդանման ռոբոտների շրջանում։ Եվ հիմա համացանցում է հայտնվել Figure AI և OpenAI ընկերությունների համագործակցության տպավորիչ արդյունքը՝ մարդանման ռոբոտի ցնցող տեսանյութ, որն այժմ կարող է զրույցներ վարել մարդկանց հետ:
Startup Figure AI-ն տեսահոլովակ է հրապարակել, որտեղ երևում է, որ Figure 01 ռոբոտն աշխատում է նոր Visual Language Model (VLM) հետ: Դրանում Նկար 01-ը կանգնած է սեղանի մոտ, որի վրա կա ափսե, խնձոր և բաժակ: Ձախ կողմում կա չորանոց։ Իսկ մարդու այն հարցին, թե ինչ է տեսնում ռոբոտը իր դիմաց, նա պատասխանում է՝ մանրամասն նկարագրելով այն ամենը, ինչ դրված է սեղանին։
Եվ հետո տղամարդը հարցնում է՝ կարո՞ղ է ինչ-որ բան ուտել, և ռոբոտը պատասխանում է՝ «Իհարկե», իսկ հետո ճարպիկ սահուն շարժումով վերցնում է խնձորն ու տալիս տղամարդուն։ Դրանից հետո գալիս է ևս մեկ ցնցող ցուցադրություն՝ մի մարդ զամբյուղից ճմրթված աղբ է լցնում Նկար 01-ի դիմաց և խնդրում ռոբոտին բացատրել, թե ինչու է դա արել, և միևնույն ժամանակ հավաքել աղբը զամբյուղի մեջ: Եվ նա բացատրում է իր «միտքը»՝ թերթը նորից աղբարկղ դնելիս։ «Ուրեմն ես ձեզ խնձոր տվեցի, քանի որ դա միակ ուտելի առարկան է, որը կարող էի ձեզ սեղանից տալ», - ասաց ռոբոտը:
Ընկերության ներկայացուցիչները բացատրեցին, որ Նկար 01-ում օգտագործվում է նախապես պատրաստված մուլտիմոդալ մոդել OpenAI, VLM, պատկերներն ու տեքստերը հասկանալու համար և իր պատասխանները ստեղծելու համար հիմնվում է ձայնային հուշումների վրա: Սա տարբերվում է, ասենք, OpenAI-ի GPT-4-ից, որը կենտրոնանում է գրավոր հուշումների վրա:
Այն նաև օգտագործում է այն, ինչ ընկերությունը անվանում է «սովորած ցածր մակարդակի բիմանուալ մանիպուլյացիաներ»: Համակարգը համակարգում է պատկերի ճշգրիտ տրամաչափումը (մինչև պիքսելային մակարդակ) իր նեյրոնային ցանցի հետ՝ շարժման վերահսկման համար: «Այս ցանցերը պատկերներ են ստանում 10 Հց հաճախականությամբ և առաջացնում են 24-DOF գործողություններ (դաստակի դիրքեր և մատների հոդի անկյուններ) 200 Հց հաճախականությամբ», - ասվում է Figure AI-ի հայտարարության մեջ:
Ընկերությունը պնդում է, որ տեսանյութի յուրաքանչյուր վարքագիծ հիմնված է համակարգային ուսուցման վրա, ուստի ոչ ոք կուլիսների հետևում չի քաշում Նկար 01-ի լարերը: Իհարկե, կա մի նրբերանգ՝ հայտնի չէ, թե ռոբոտը քանի անգամ է անցել այս պրոցեդուրան։ Երևի հարյուրերորդ անգամն էր, որով էլ բացատրվում է նրա դիպուկ շարժումները։ Բայց ամեն դեպքում, այս ձեռքբերումը դիտարժան և մի փոքր ֆանտաստիկ տեսք ունի։
Նկար 01-ն այժմ ավարտում է իրական աշխարհի առաջադրանքները
Ամեն ինչ ինքնավար է.
- Ինքնավար նավարկություն և ուժի վրա հիմնված մանիպուլյացիա
- Սովորած տեսողության մոդել աղբամանների հայտնաբերման և առաջնահերթությունների համար
- Ռեակտիվ աղբարկղերի մանիպուլյացիա (ուժեղ դիրքի փոփոխականություն)
- Ընդհանրացնել ընտրելու/տեղի այլ առաջադրանքներին նկարtwitter.com/0wFmYnq0GC— Նկար (@Figure_robot) Փետրվարի 26, 2024
Կարդացեք նաև.