13. marts, 2024 - OpenAI atdalītais uzņēmums Covariant paziņoja, ka ir sekmīgi izveidojis jaunu mākslīgā intelekta modeli, kas ļauj robotiem iemācīties veikt dažādus uzdevumus, piemēram, cilvēkus. Šī attīstība iezīmē virzību uz elastīgāku un autonomāku robotiku.
2021. gada vasarā OpenAI slēdza savu robotikas komandu, atsaucoties uz apmācību datu trūkumu, kas kavēja tās progresu. Tomēr trīs Covariant agrīnās stadijas pētnieki atrada risinājumu 2017. gadā dibinātā uzņēmuma starta laikā. Viņi izmantoja gadiem iegūtos datus no noliktavās izvietoto robotu savākšanas flotēm visā pasaulē, kā arī tekstu un video no interneta, lai izveidotu jauns modelis ar nosaukumu RFM-1. Šis modelis apvieno liela valodas modeļa spriešanas spējas ar uzlabota robota fizisko elastību.
RFM-1 iespējas ir iespaidīgas. Lietotāji var vadīt modeli, lai veiktu uzdevumus, izmantojot piecus dažādus ievades veidus, tostarp tekstu, attēlus, videoklipus, robota instrukcijas un mērījumus. Piemēram, lietotājs var parādīt modelim ar sporta aprīkojumu piepildītas miskastes attēlu un likt tam paņemt tenisa bumbiņu maisu. Pēc tam robots veic atbilstošo uzdevumu un pielāgojas pēc vajadzības.
Lai gan modelim ir "cilvēkam līdzīgas" spriešanas iespējas, joprojām pastāv ierobežojumi. Demonstrācijas laikā tika atklāts, ka, prezentējot dažus jaunus jēdzienus, modelis var nebūt pilnībā saprotams. Tas norāda, ka modelim ir nepieciešams vairāk apmācības datu un turpmāki uzlabojumi.
Covariant saka, ka plāno nākamajos mēnešos izplatīt modeli klientiem un cer turpināt uzlabot tā veiktspēju un efektivitāti reālajā vidē. Viņi izvieto modeļus tādās vidēs kā noliktavās testēšanai un mijiedarbojas ar reālajām instrukcijām, objektiem un vidēm.
Attīstoties AI tehnoloģijai, pieaug arī konkurence starp uzņēmumiem, kas izmanto AI robotu sistēmu darbināšanai. Lai gan joprojām ir dažas problēmas, kas jāatrisina, Covariant ir apņēmies nepārtraukti mācīties un uzlabot savus modeļus, lai roboti varētu labāk pielāgoties mainīgajai videi.
Tuvākajā nākotnē sagaidāms plašāks robotikas pielietojums dažādās jomās, un, kļūstot pieejamiem datiem un uzlabojumiem, robotu spēja mācīties un veikt uzdevumus turpinās uzlaboties.