Nauczyliśmy komputery całkiem nieźle radzić sobie ze światem zapisanym w postaci danych, ale prawdziwa rzeczywistość nie składa się z tokenów. Jest tarcie, bezwładność, zmienne oświetlenie, niedokładne sensory, przedmioty ustawione pod trochę innym kątem i człowiek, który może wejść robotowi pod koła. Dopiero nauczenie AI radzenia sobie z tym chaosem może rzeczywiście zmienić przemysł.
Amazon ma milion robotów i właśnie ta skala zaczyna mieć znaczenie
Amazon Web Services razem z NVIDIA przygotował Physical AI Toolchain on AWS, czyli otwarty zestaw narzędzi przeznaczony do tworzenia robotów wykorzystujących fizyczną sztuczną inteligencję. Nie jest to jednak żaden magiczny “mózg robota” ani nowy model, który wystarczy zainstalować w humanoidzie i wysłać go do pracy.
Czytaj też: Przyszłość wojny właśnie dostała nogi. Armia USA wybrała robota-żołnierza do najgorszych misji
Robot ma najpierw ćwiczyć w świecie wirtualnym, gdzie można przygotować mu ogromną liczbę sytuacji treningowych. Następnie wytrenowany model przechodzi walidację, trafia na prawdziwy sprzęt, zbiera kolejne dane podczas pracy, a najciekawsze przypadki mogą wrócić do następnego etapu szkolenia. Zamiast zaprogramować maszynie konkretną sekwencję ruchów, zaczynamy więc tworzyć pętlę ciągłego uczenia.
Amazon nie startuje tutaj od zera. Firma przekroczyła już granicę miliona robotów pracujących w swojej sieci logistycznej i właśnie doświadczenia związane z ich wdrażaniem, aktualizowaniem, koordynowaniem oraz utrzymywaniem mają być jednym z fundamentów nowego rozwiązania. Jednocześnie Amazon nie twierdzi, że zebrał wszystkie dane z miliona robotów, wrzucił je do jednego ogromnego modelu i stworzył w ten sposób “zbiorowy mózg” dla przyszłych maszyn. Chodzi przede wszystkim o wykorzystanie doświadczeń zdobytych przy budowie infrastruktury zdolnej obsługiwać robotykę na gigantyczną skalę.
Robot może popełnić milion błędów, zanim pierwszy raz zrobi to w fabryce
Prawdziwy robot jest drogi. Jego części się zużywają, każde uszkodzenie kosztuje, a przeprowadzenie setek tysięcy prób zajmuje ogromną ilość czasu. W symulacji maszyna może natomiast upuścić przedmiot milion razy, przewrócić się kolejne tysiące razy i przetestować sytuacje, których celowe odtworzenie w prawdziwej fabryce byłoby niewygodne albo zwyczajnie niebezpieczne.
Czytaj też: Autonomiczna dłoń robota ożyła zupełnie jak w Rodzinie Addamsów
Co ważniejsze, takich symulacji nie trzeba wykonywać kolejno. Można uruchamiać wiele wirtualnych robotów równocześnie i pozwolić każdemu z nich zdobywać doświadczenie w trochę innych warunkach. Właśnie tutaj AWS łączy swoje zaplecze chmurowe z robotycznym ekosystemem NVIDIA. Do gry wchodzą m.in. Isaac Sim do symulowania środowiska, Isaac Lab wykorzystywany przy uczeniu ze wzmocnieniem, rozwijany z myślą o humanoidach GR00T oraz Cosmos do generowania syntetycznych danych i światów treningowych.
Brzmi niemal jak przepis na błyskawiczne nauczenie robota wszystkiego, czego potrzebuje, ale fizycznego świata nie da się jeszcze tak łatwo oszukać. Problem określany mianem “sim-to-real” pozostaje jednym z największych ograniczeń całej koncepcji. Możemy przygotować fenomenalną symulację, ale prawdziwa powierzchnia będzie miała nieco inne tarcie, silnik zareaguje z minimalnie innym opóźnieniem, kamera dostanie światło z nieprzewidzianego kierunku, a chwytany przedmiot okaże się odrobinę bardziej śliski.
Pisałem już o tym przy nowym Atlasie Boston Dynamics, bo właśnie przejście od efektownych demonstracji do powtarzalnej pracy w zmieniającym się otoczeniu jest dziś jednym z najważniejszych problemów robotyki. Nowy zestaw AWS nie rozwiązuje więc nagle problemu inteligentnych maszyn, ale próbuje sprawić, żeby cały proces przechodzenia od symulacji do prawdziwego robota był łatwiejszy do powtarzania. Po wdrożeniu maszyna może zbierać informacje o sytuacjach, których nie przewidział trening, a następnie dane te mogą posłużyć do poprawienia kolejnej wersji modelu i w tym właśnie widzę największy potencjał.
Czytaj też: Pierwszy taki robot na świecie. Przebudujesz go po swojemu i wykorzystasz wedle widzimisię
Jeszcze niedawno robot przemysłowy był przede wszystkim bardzo dokładnym automatem. Człowiek określał jego ruch, maszyna go powtarzała i najlepiej było nie zmieniać niczego w jej otoczeniu. Fizyczna AI zmierza w zupełnie inną stronę – robot ma nauczyć się reagować na świat, którego nie da się wcześniej opisać w każdym szczególe.
