Robot, Który Uczy Się Przez Obserwację, A Nie Miesiące Szkolenia
Model bazowy S1 firmy Skild AI, opisany przez NVIDIA 10 września, uczy się nowego zadania robota z jednego nagrania demonstracyjnego zamiast miesięcy zbierania danych i ponownego trenowania specyficznego dla danego zadania, na których dotąd opierała się robotyka przemysłowa. Operator nagrywa zadanie na wideo tylko raz; S1 wykorzystuje to nagranie jako polecenie, wyznacza zaangażowane obiekty, kolejność kroków i intencję stojącą za nimi, a następnie przekłada sekwencję na działania robota bez aktualizowania swoich wewnętrznych wag.
NVIDIA i Skild twierdzą, że jedna demonstracja wideo odpowiada mniej więcej 380 ręcznie zebranym przykładom treningowym, a w teście przesadzania rośliny cała droga od dostarczenia materiałów do autonomicznej pracy robota zajęła 11 minut.
Pierwszym Zadaniem Był Montaż Własnych Chipów NVIDIA
Skild, NVIDIA i Foxconn wdrożyły Skild Brain na dwuramiennych manipulatorach do precyzyjnego montażu własnych systemów Blackwell NVIDIA, a zademonstrowany przebieg pracy pokazuje robota instalującego szynę zbiorczą i blok ograniczający, dokręcającego 16 śrub i dostosowującego się, gdy scena zostaje zakłócona. To dokładnie ten rodzaj długiej, wieloetapowej pracy precyzyjnej, za którą producenci elektroniki na zlecenie płacą dziś wykwalifikowanym pracownikom wykonującym ją ręcznie.
| Miara | S1, uczenie w kontekście | System porównywalny |
|---|---|---|
| Sukces na krok, nieznane długie zadania | 66 procent | 9 procent |
| Sukces w zadaniach znanych z treningu | 96 procent | Niższy, punkt odniesienia oparty na języku |
| Dane treningowe na nowe zadanie | 1 nagranie, około 380 odpowiedników demonstracji | 50 do 100 godzin teleoperacji |
Skild osiągnął roczny przychód na poziomie 100 milionów dolarów zaledwie 10 miesięcy po pierwszym komercyjnym wdrożeniu, z ponad 60 partnerami w produkcji, logistyce, inspekcji, ochronie i przygotowywaniu żywności. Współzałożyciel i dyrektor generalny Skild, Deepak Pathak, powiedział, że uczenie się z doświadczenia zamiast wcześniejszego programowania jest prawdziwą zmianą, jaka teraz zachodzi w robotyce.
Argument O Kosztach Montażu Za Przenoszeniem Produkcji Osłabł
Montaż elektroniki na zlecenie od dziesięcioleci skupiał się w regionach o niskich płacach, ponieważ precyzyjna praca ręczna jest droga do przeniesienia: nowa lokalizacja potrzebuje przeszkolonej załogi, a przeszkolenie jej zajmuje czas. Robot, który potrafi przejąć porównywalne zadanie montażowe z jednego nagranego pokazu i zacząć pracować autonomicznie w ciągu kilku minut, usuwa dokładnie to ograniczenie.
Jeśli wyniki S1 potwierdzą się poza własnymi demonstracjami Skild, decydujący czynnik tego, gdzie odbywa się precyzyjny montaż elektroniki, przesunie się z lokalnych kosztów pracy w stronę godzin pracy robota, dostępności energii i bliskości zakładu do chipów i komponentów, które montuje - zmiennych, które europejski lub brytyjski producent rywalizujący o te same kontrakty może rzeczywiście kontrolować.
Co To Oznacza Dla Europejskiego Producenta Kontraktowego
Europejski lub brytyjski producent elektroniki na zlecenie powinien potraktować to jako wczesny sygnał, a nie natychmiastowe zagrożenie: własne dane Skild są samodzielnie zgłaszane, a wdrożenie u Foxconn to jeden zademonstrowany przebieg pracy, a nie wdrożenie w całej fabryce.
Ale ten kierunek warto uwzględnić w planach. Jeśli uczenie robotów w kontekście będzie nadal zamykać lukę opisywaną przez NVIDIA i Skild, rywalizacja o kolejną generację kontraktów na precyzyjny montaż będzie zależeć mniej od kosztów pracy, a bardziej od tego, kto najszybciej zintegruje roboty uczone wideo, oraz od tego, czy zakład znajduje się wystarczająco blisko chipów i zasilania klienta, by miało to znaczenie. Europejscy producenci z solidną inżynierią automatyzacji i niezawodną energią przemysłową mają tu prawdziwą szansę, o ile już teraz zaczną budować te kompetencje integracyjne.
Servola Journal
Robimy to dla wszystkich, którzy starają się nadążyć za tym, co technologia robi z naszym życiem. Dla ludzi, którzy ją budują, i dla ludzi, którym się to przydarza. Servola Journal istnieje, aby to, czego się uczymy, należało do nich wszystkich.
Nikt nam za to nie płaci. Żadnych reklam, żadnego muru płatności, za darmo dla wszystkich. Po prostu wierzymy, że zrozumienie tego, co dzieje się z nami wszystkimi, nie powinno zależeć od tego, kogo stać na zapłacenie za to.
Jeśli to dało ci dziś coś, powiedz nam, żebyśmy kontynuowali. Obserwuj nas, zostaw polubienie, albo napisz pozytywny komentarz. Czytamy każdy jeden, i to oni sprawiają, że działamy dalej.
Czytaj dalej: Otwarty mózg robota już jest, a dane są fosą | Bosch sprzedał robota startupowi, który sfinansował
