Сектор физического ИИ остается одним из самых привлекательных для венчурных инвестиций. Компании привлекают миллиарды долларов, пытаясь адаптировать методы, лежащие в основе больших языковых моделей, для нужд робототехники. Однако рынок демонстрирует признаки нестабильности: рыночная стоимость китайского производителя роботов Unitree после выхода на биржу, эквивалентную NASDAQ, упала почти вдвое на фоне сомнений аналитиков. Эксперты отмечают, что, несмотря на прогресс в аппаратных возможностях машин, им все еще не хватает навыков для выполнения задач, создающих реальную экономическую ценность.
Проблемы данных и поиски новых методов обучения
На прошедшей конференции Actuate, объединившей разработчиков ИИ для роботов, организаторы из компании Foxglove сообщили, что число участников мероприятия утроилось с 2023 года и достигло 1500 человек. Тем не менее, отрасль столкнулась с так называемым «кризисом данных». Для создания универсальных роботов по-прежнему не хватает высококачественных обучающих выборок, а использование сквозного обучения для специфических задач пока не позволяет достичь коммерчески надежных результатов.
Гарри Мелсоп, основатель стартапа Antioch, специализирующегося на инструментах симуляции для разработчиков моделей, утверждает, что физический ИИ сейчас находится в своей «эпохе GPT-2». По его мнению, для прорыва потребуются значительные объемы данных и вычислительных мощностей, особенно GPU, оптимизированных для трассировки лучей, которые необходимы для создания высокоточных симуляций.
Автономные транспортные средства как драйвер инноваций
Наибольшего успеха в области физического ИИ добились компании, разрабатывающие автономные транспортные средства. Это обусловлено доступностью данных, собираемых с автомобилей под управлением людей, и спецификой задачи, где главной целью является предотвращение столкновений, а не манипуляция объектами. Многие инструменты для обучения моделей перекочевали в индустрию из сектора беспилотного транспорта. К примеру, Foxglove была основана бывшими сотрудниками проекта Cruise от General Motors.
Автомобильные гиганты начинают рассматривать свои наработки в области машинного обучения как преимущество в конкуренции с производителями гуманоидов. В то время как Tesla развивает робота Optimus, компании Wayve и Uber запустили собственные исследовательские лаборатории, сфокусированные на антропоморфных формах. Генеральный директор Wayve Алекс Кендалл считает, что манипуляционная робототехника сейчас находится на той же стадии, что и беспилотные автомобили пять лет назад. Он полагает, что инфраструктура для симуляций и MLOps будет общей, однако требует адаптации под конкретные форм-факторы роботов.
Специализированные решения против универсальных моделей
В индустрии продолжается спор о стратегии разработки. Теофиль Жерве, глава Genesis AI, компании по производству гуманоидов, привлекшей в этом году 105 миллионов долларов, считает, что текущий этап требует совместного проектирования оборудования и ИИ. Его компания критически относится к попыткам сразу создавать универсальных роботов, отмечая, что клиентам не нужен аппарат с 80% эффективностью, если он не решает конкретную бизнес-задачу.
В настоящий момент компании, ориентированные на узкие ниши, уже успешно внедряют свои технологии: Gritt работает на солнечных фермах, Agility — в промышленных условиях, а Bedrock занимается автоматизацией экскаваторов. По словам Жерве, разработка узкоспециализированного решения на базе устаревших архитектур типа GPT-2 несет риск проигрыша компаниям, использующим современные инструменты уровня GPT-4. Тем не менее, именно работа в конкретных вертикалях дает необходимый объем данных для реального развертывания.
Что станет аналогом ChatGPT для робототехники
Мнения экспертов относительно будущего переломного момента в физическом ИИ расходятся. Алекс Кендалл полагает, что таким моментом станет появление доступных потребительских решений, например, системы автономности «без присмотра глаз» стоимостью менее 1000 долларов в составе автомобиля. Теофиль Жерве ожидает появления интуитивного манипулятора, способного выполнять базовые действия, такие как перемещение предметов, с высокой надежностью прямо «из коробки».
В свою очередь Адриан Макнейл, генеральный директор Foxglove, считает, что прямого аналога ChatGPT в робототехнике не будет из-за сложности масштабирования аппаратного обеспечения в реальном мире. Для него важным событием станет не «момент ChatGPT», а «момент Apple II или IBM PC» — появление функционального и полезного бытового робота, доступного для покупки массовым потребителем.
Проблема «кризиса данных» и архитектурные вызовы
Для разработчиков, стремящихся преодолеть текущий технологический разрыв, решение видится в копировании успехов передовых лабораторий ИИ: поиске и создании более разнообразных наборов данных, экспериментах с различными режимами обучения и разработке более совершенных сценариев обучения с подкреплением (reinforcement learning). В условиях, когда попытки создания роботов-универсалов, способных выполнять любую задачу, остаются далекой перспективой, а энтузиазм участников конференции Actuate не скрывает серьезных рисков, компания Avala, также выступающая игроком в инфраструктуре физического ИИ, прямо заявляет о необходимости решения «кризиса данных в робототехнике».
Кевин Петерсон, технический директор компании Bedrock, отмечает, что его фирма начала с автоматизации экскаваторов как способа глубже понять сложности «манипуляции в диких условиях». В планах компании — разработка единого интеллектуального слоя, который будет распространяться на целый ряд строительных машин. Это подтверждает важность вертикальной интеграции: хотя узкоспециализированные данные не всегда помогают продвинуть общие модели вперед, они критически необходимы для создания роботов, приносящих реальную пользу.
Инфраструктура и управление данными
Одной из главных проблем остается работа с огромными массивами визуальных данных и информации от лидаров. В ответ на этот вызов компания Foxglove на прошлой неделе анонсировала новый продукт, созданный на базе открытой весовой модели Cosmos от Nvidia. Это решение позволяет инженерам использовать сложные запросы на естественном языке для поиска по накопленным данным, что значительно упрощает построение оценок и симуляций. Цель такого инструментария — ускорить триаж данных и отладку, позволяя разработчикам моделей итерировать свои наработки с гораздо более высокой скоростью.
Разногласия в стратегии развития
В вопросе выбора аппаратной платформы эксперты придерживаются разных взглядов. Алекс Кендалл из Wayve утверждает, что делать ставку на конкретное «железо» сегодня преждевременно, так как датчики и другие компоненты совершенствуются стремительно, а по-настоящему универсальная модель должна быть аппаратно-независимой. В свою очередь, Теофиль Жерве из Genesis AI настаивает на обратном, утверждая, что рынок находится на слишком ранней стадии для того, чтобы «стратегия мозга» работала в отрыве от физического воплощения, и настаивает на необходимости совместного проектирования аппаратной и программной частей.
Взгляд в будущее
Алекс Кендалл подчеркивает, что бизнес-модель, основанная на создании доступных систем автономного вождения (с целевой стоимостью менее 1000 долларов за аппаратную часть), представляет собой многомиллиардную возможность. Именно успех в этой сфере позволит компаниям накопить ресурсы для создания по-настоящему универсальной воплощенной ИИ-модели. Теофиль Жерве определяет ожидаемый «момент ChatGPT» для робототехники как достижение надежности манипуляций на уровне 80% и выше «из коробки», когда пользователь может просто попросить робота закрыть ноутбук или убрать со стола, не прибегая к сложной настройке.
Тем не менее, глава Foxglove Адриан Макнейл призывает к реализму: «В робототехнике не будет момента ChatGPT. Успех ChatGPT был обусловлен дистрибуцией — они перешли от нуля до миллиона активных пользователей за неделю. Дистрибуция в реальном физическом мире гораздо сложнее». Его больше воодушевляет аналогия с появлением Apple II или IBM PC — момент, когда на рынок выйдет массовый бытовой робот, предлагающий пользователям полезные и увлекательные функции.
