Фигура AI роботика AI система „Helix“ за хуманоидни роботи – модел Vision-Language-Action (VLA)

Резюме: Зрение, език, движение: Helix като крайъгълен камък в роботиката

Helix е иновативна система с изкуствен интелект за хуманоидни роботи, разработена от Figure AI. Това е модел Vision-Language-Action (VLA), който комбинира визуално възприятие, разбиране на реч и прецизен двигателен контрол в една система. Helix бележи значителен напредък в разработването на гъвкави роботизирани системи за неструктурирани среди като домове. Със способността си да изпълнява сложни задачи без предварително обучение, тя би могла да революционизира взаимодействието човек-машина.

Свързано с това:

• Гласово управлявани роботи: Helix от Figure. Изкуственият интелект променя всичко! Индустрия, домакинство, бъдеще – разбирайте, учете, изпълнявайте в реално време

Способностите на Хеликс

• Контрол в реално време на цялата горна част на тялото на хуманоидните роботи, включително 35 оси на движение
• Обработка на речев вход и визуална информация за изпълнение на сложни задачи
• Разпознаване и боравене с непознати обекти без специално обучение
• Сътрудничество между множество роботи при изпълнение на задачи
• Извършване на домакински задачи, като например зареждане на хладилник

Технически подробности

Състои се от два основни компонента:

1. Мултимодален езиков модел със 7 милиарда параметъра (7-9 Hz)
2. Изкуствен интелект за движение с 80 милиона параметъра (200 Hz)

• Обучен само с 500 часа контролирано обучение
• Работи на енергийно ефективни вградени графични процесори

Най-големите конкуренти

1. Google DeepMind: Разработване на подобни VLA модели на RT-2
2. Мета: Работа върху усъвършенствани хуманоидни роботи
3. Apple: Също в надпреварата за разработване на усъвършенствани хуманоиди с изкуствен интелект
4. OpenAI: Бивш партньор на Figure AI, сега конкурент в областта на разработването на изкуствен интелект

Google DeepMind

Google DeepMind представи RT-2 (Robotics Transformer 2), революционен модел, базиран на зрение, език и действие (VLA). RT-2 позволява на роботите да изпълняват нови задачи без специално обучение, като учат концепции от текстови и графични данни в интернет и ги превеждат в роботизирани действия. В тестове RT-2 демонстрира значително подобрена производителност при нови задачи в сравнение с предшественика си RT-1.

Свързано с това:

• Google Project Mariner: Експериментален AI агент като разширение за браузър – Автономна уеб навигация с DeepMind технология

Мета

Meta инвестира сериозно в разработването на хуманоидни роботи, задвижвани от изкуствен интелект. Компанията е създала нов екип в рамките на своето подразделение Reality Labs, фокусиран върху изследванията и разработването на роботи за потребители. Meta планира да разработва системи, сензори и софтуерни платформи с изкуствен интелект, които могат да се използват и от други производители.

Ябълка

Apple също така проучва както хуманоидни, така и нехуманоидни роботи. Компанията обаче все още е в ранен етап на разработка. Анализаторът Минг-Чи Куо прогнозира, че масовото производство не е възможно най-рано до 2028 г. Apple се фокусира особено върху взаимодействието човек-робот.

Свързано с това:

• Обхваната ли е Apple от роботна треска? Обявите за работа разкриват роботната офанзива на Apple: Дали технологичният гигант атакува пазара на домакински уреди?

OpenAI

OpenAI, бивш партньор на Figure AI, изгражда собствено подразделение за роботика и се фокусира върху роботите като въплъщение на изкуствения интелект в реалния свят. Компанията вече се конкурира директно с Google DeepMind и други в областта на разработването на изкуствен интелект за роботика.

Възползвайте се от обширния, петкратен опит на Xpert.Digital в цялостен пакет от услуги | R&D, XR, PR и оптимизация на дигиталната видимост - Изображение: Xpert.Digital

Xpert.Digital притежава задълбочени познания в различни индустрии. Това ни позволява да разработваме персонализирани стратегии, прецизно съобразени с изискванията и предизвикателствата на вашия специфичен пазарен сегмент. Чрез непрекъснат анализ на пазарните тенденции и наблюдение на развитието в индустрията, ние можем да действаме проактивно и да предлагаме иновативни решения. Комбинацията от опит и експертиза генерира добавена стойност и осигурява на нашите клиенти решаващо конкурентно предимство.

Повече информация тук:

• Възползвайте се от 5-те области на експертиза на Xpert.Digital в един пакет – от само 500 евро/месец

Иновативен VLA модел: Helix съчетава възприятие, език и движение

Неотдавнашното пускане на Helix от Figure AI бележи значителен напредък в областта на роботизирания изкуствен интелект. Този иновативен модел Vision-Language-Action (VLA) се отличава от съществуващите системи чрез няколко новаторски характеристики, задавайки нови стандарти за управление на хуманоидни роботи. Helix интегрира визуално възприятие, разбиране на реч и прецизен контрол на движението в една единствена система, специално проектирана да отговори на предизвикателствата на физическата роботика.

Уникална двусистемна архитектура

Може би най-съществената разлика между Helix и други системи с изкуствен интелект за роботи се крие в неговата иновативна двукомпонентна архитектура. Тази двусистемна структура решава фундаментален проблем в роботиката с изкуствен интелект.

Система 1 и Система 2: Допълваща се интелигентност

За разлика от конвенционалните подходи, Helix използва две допълващи се системи, които заедно постигат уникален баланс между универсалност и скорост. Система 2 (S2) е мултимодален езиков модел със 7 милиарда параметъра, работещ на честота от 7-9 Hz и функциониращ като аналитичен „мозък“ на робота. Тя обработва визуални данни и речеви команди, интерпретира средата и решава кои действия да извърши.

Допълва това Система 1 (S1), бърз, реактивен визуомоторен контролен блок с 80 милиона параметъра. Този компонент преобразува семантичната информация, предоставена от S2, в прецизни, непрекъснати действия на робота с впечатляваща честота от 200 Hz. Фигура AI обяснява, че предишните подходи са се провалили поради липса на универсалност или скорост: „Използването на VLM (Visual Large Language Model) е универсално, но не бързо, а използването на визуални стратегии за движение за роботи е бързо, но не универсално.“ Helix преодолява тази дихотомия чрез своята двойна структура.

Тази архитектура се различава коренно от други добре познати VLA модели, като например RT-2 на Google DeepMind, който също комбинира визуални данни и гласови команди, но няма сравнимо разделение на две части.

Свързано с това:

• Платформата Gemini на Google с Google AI Studio, Google Deep Research с Gemini Advanced и Google DeepMind

Всеобхватни възможности за контрол

Контрол над 35 степени на свобода

Друга отличителна черта на Helix е способността му да координира едновременно 35 степени на свобода. Този всеобхватен контрол позволява прецизна и високоскоростна манипулация на цялата горна част на хуманоидното тяло, включително китките, торса, главата и отделните пръсти. Тази контролна способност надминава повечето съществуващи системи и позволява сложни манипулационни задачи, изискващи висока степен на фина моторика.

Обобщение и учене на обекти

Универсално разпознаване на обекти без специално обучение

Ключова характеристика на Helix е способността му да разпознава и обработва практически всеки малък домакински предмет, без предварително обучение за специфичните му характеристики. Тази широка обобщаемост позволява на системата да обработва хиляди обекти с различни форми, размери, цветове и свойства на материалите.

За разлика от много други роботизирани системи с изкуствен интелект, които трябва да бъдат препрограмирани или преобучени за всяка нова задача или тип обект, Helix може да се адаптира към различни ситуации и да реагира на команди на естествен език. Това представлява промяна в парадигмата, тъй като системата използва една-единствена невронна мрежа, за да научи всички поведения – като например повдигане и оставяне на предмети, използване на чекмеджета и хладилници и взаимодействие с други роботи – без фина настройка за конкретна задача.

Координация на множество роботи

Уникални умения за сътрудничество

Helix е първият VLA модел, способен едновременно да управлява два робота и да им позволява да си сътрудничат. Тази способност позволява на роботите съвместно да решават сложни задачи, включващи подаване на обекти и координиране на движенията им. Особено забележителна е почти човешката комуникация между роботите чрез кимане с глава и зрителен контакт.

Тази форма на координация представлява значително подобрение спрямо конвенционалните системи, където всеки робот обикновено се управлява индивидуално или изисква специфично обучение за определени роли. С Helix и двата робота използват едни и същи тегла на модела, без да е необходимо индивидуално настройване.

Ефективност и изпълнение на обучението

Минимални изисквания за обучение, максимална производителност

Друга ключова разлика се крие в забележителната ефективност на процеса на обучение. Helix е разработен, използвайки само 500 часа висококачествени, телеуправлявани данни за обучение, значително по-малко от сравними подходи, които често изискват хиляди часове специфични демонстрации. Тази ефективност не само подчертава техническата сложност на системата, но и нейната икономическа жизнеспособност за търговски приложения.

Вградена обработка

За разлика от много роботизирани системи с изкуствен интелект, които разчитат на мощни външни сървъри, Helix работи изцяло на вградени, енергийно ефективни графични процесори в роботите. Тази вградена обработка елиминира необходимостта от постоянна връзка с външни изчислителни ресурси, което прави робота по-автономен и гъвкав в различни среди.

Стратегическа диференциация

Вертикална интеграция вместо генерични модели на изкуствен интелект

Figure AI стратегически се диференцира от другите компании, като прекрати сътрудничеството си с OpenAI и следва вертикално интегрирана стратегия, разработвайки както хардуер, така и софтуер самостоятелно. Главният изпълнителен директор Брет Адкок обясни, че генеричните модели на ИИ са недостатъчни, за да отговорят на изискванията на въплътения ИИ – т.е. ИИ във физически роботи. Това решение подчертава подхода на компанията за разработване на персонализирани решения за специфичните предизвикателства на роботиката, вместо да се разчита на общи модели на ИИ.

Ориентация на приложението

Фокус върху домашната употреба

Докато много играчи в индустрията в момента се фокусират върху индустриални или работни приложения на роботи, Figure AI следва стратегически изненадващ подход с Helix, фокусирайки се върху домакинската роботика. Способността на роботите да изпълняват ежедневни задачи като сортиране на хранителни стоки, зареждане на хладилника или боравене с голямо разнообразие от домакински предмети е насочена към пазар, който други играчи често считат за твърде сложен за навлизане.

Координация между множество роботи: Ключът към следващото поколение роботика

Helix се откроява от другите роботизирани системи с изкуствен интелект благодарение на своята двусистемна архитектура, всеобхватни възможности за управление, забележителна способност за обобщаване и координация между множество роботи. Със своя ефикасен процес на обучение, вградена обработка и стратегически фокус върху домакинските приложения, тя представлява значителен напредък в разработването на хуманоидни роботи. Докато други системи, като например RT-2 на Google DeepMind, следват подобни подходи за комбиниране на визуални данни и гласови команди, Helix предлага отличителни предимства чрез своята уникална архитектура и интегриран подход за разработка, което я прави пионер в следващото поколение роботи, задвижвани от изкуствен интелект.

☑️ Подкрепа за МСП в стратегията, консултирането, планирането и внедряването

☑️ Създаване или пренасочване на дигиталната стратегия и дигитализация

☑️ Разширяване и оптимизиране на международните процеси на продажби

☑️ Глобални и дигитални B2B търговски платформи

☑️ Pioneer Business Development

Konrad Wolfenstein

С удоволствие бих служел като ваш личен съветник.

Можете да се свържете с мен, като попълните формата за контакт по-долу или просто ми се обадите на +49 89 89 674 804 (Мюнхен) .

Очаквам с нетърпение нашия съвместен проект.

Xpert.Digital е индустриален център, фокусиран върху дигитализацията, машиностроенето, логистиката/интралогистиката и фотоволтаиката.

С нашето 360° решение за бизнес развитие, ние подкрепяме известни компании от нов бизнес до следпродажбено обслужване.

Пазарно разузнаване, маркетинг, маркетингова автоматизация, разработване на съдържание, PR, имейл кампании, персонализирани социални медии и подхранване на лийдове са част от нашите дигитални инструменти.

Можете да намерите повече информация на: www.xpert.digital - www.xpert.solar - www.xpert.plus