Un Robot Che Impara Guardando, Non Con Mesi Di Addestramento
Il modello fondazionale S1 di Skild AI, illustrato da NVIDIA il 10 settembre, impara un nuovo compito da robot da un solo video dimostrativo, invece dei mesi di raccolta dati e riaddestramento specifici per ogni compito su cui si è finora basata la robotica industriale. Un operatore registra una volta il video del compito; S1 usa quella registrazione come prompt, individua gli oggetti coinvolti, l'ordine dei passaggi e l'intenzione dietro di essi, e traduce la sequenza in azioni del robot senza aggiornare i suoi parametri interni.
NVIDIA e Skild affermano che una dimostrazione video equivale a circa 380 esempi di addestramento raccolti a mano, e in un test di rinvaso di una pianta, l'intero percorso dall'arrivo dei materiali all'esecuzione autonoma è durato 11 minuti.
Il Primo Compito È Stato Assemblare I Chip Di NVIDIA Stessa
Skild, NVIDIA e Foxconn hanno impiegato lo Skild Brain su manipolatori a due bracci per l'assemblaggio di precisione dei sistemi Blackwell di NVIDIA, con un flusso di lavoro dimostrato che mostra un robot installare una sbarra collettrice e un blocco di finecorsa, serrare 16 viti e adattarsi quando la scena viene disturbata. È esattamente il tipo di lavoro di precisione lungo e articolato che i produttori a contratto di elettronica pagano oggi a operai qualificati per fare a mano.
| Metrica | S1, apprendimento in contesto | Sistema comparabile |
|---|---|---|
| Successo per passaggio, compiti lunghi mai visti | 66 per cento | 9 per cento |
| Successo su compiti visti in addestramento | 96 per cento | Più basso, base linguistica di riferimento |
| Dati di addestramento per nuovo compito | 1 video, circa 380 equivalenti dimostrativi | Da 50 a 100 ore di teleoperazione |
Skild ha raggiunto 100 milioni di dollari di ricavi annualizzati appena 10 mesi dopo il primo impiego commerciale, con oltre 60 partner tra manifattura, logistica, ispezione, sicurezza e preparazione alimentare. Il co-fondatore e amministratore delegato di Skild, Deepak Pathak, ha detto che imparare dall'esperienza invece che dalla preprogrammazione è il vero cambiamento in corso ora nella robotica.
L'Argomento Del Costo Di Assemblaggio Per Delocalizzare È Più Debole
L'assemblaggio elettronico a contratto si è concentrato per decenni in regioni a basso costo del lavoro perché il lavoro manuale di precisione è costoso da spostare: un nuovo sito richiede manodopera formata, e formarla richiede tempo. Un robot capace di apprendere un compito di assemblaggio comparabile da una sola dimostrazione registrata e iniziare a lavorare in autonomia entro pochi minuti elimina esattamente questo vincolo.
Se i numeri di S1 si confermano anche fuori dalle dimostrazioni di Skild, il fattore decisivo su dove avviene l'assemblaggio elettronico di precisione si sposta dal costo del lavoro locale verso le ore-robot, la disponibilità di energia e la vicinanza di un impianto ai chip e ai componenti che assembla - variabili che un produttore europeo o britannico in gara per gli stessi contratti può davvero controllare.
Cosa Significa Per Un Produttore A Contratto Europeo
Un produttore europeo o britannico di elettronica a contratto dovrebbe trattare questo come un segnale precoce e non come una minaccia immediata: i numeri di Skild sono autodichiarati, e l'impiego con Foxconn è un flusso di lavoro dimostrato, non un'implementazione a livello di intero stabilimento.
Ma la direzione merita una pianificazione. Se l'apprendimento robotico in contesto continua a colmare il divario descritto da NVIDIA e Skild, competere per la prossima generazione di contratti di assemblaggio di precisione dipenderà meno dal costo del lavoro e più da chi riesce a integrare più rapidamente robot addestrati tramite video, e dal trovarsi abbastanza vicino ai chip e all'alimentazione elettrica di un cliente perché questo conti. I produttori europei con una solida ingegneria dell'automazione e un'energia industriale affidabile hanno qui un'occasione reale, a patto di iniziare subito a costruire queste capacità di integrazione.
Servola Journal
Lo facciamo per tutti quelli che cercano di stare al passo con ciò che la tecnologia sta facendo alle nostre vite. Le persone che la costruiscono, e le persone a cui capita. Il Servola Journal esiste perché ciò che impariamo appartenga a tutti loro.
Nessuno ci paga per questo. Niente pubblicità, nessun muro a pagamento, gratis per tutti. Crediamo semplicemente che capire ciò che sta succedendo a tutti noi non debba dipendere da chi può permettersi di pagarlo.
Se oggi ti ha dato qualcosa, dicci di continuare. Seguici, lascia un like, o scrivi un commento positivo. Li leggiamo tutti, e sono ciò che ci fa andare avanti.
Da leggere ora: Arriva un cervello robot aperto, e i dati sono il fossato | Bosch ha venduto il suo robot alla startup che ha finanziato
