Слика AI-јев роботски AI систем „Helix“ за хуманоидне роботе – модел вида-језика-акције (VLA)

Резиме: Вид, језик, кретање: Хеликс као прекретница у роботици

Хеликс је иновативни систем вештачке интелигенције за хуманоидне роботе који је развила компанија Figure AI. То је модел вида-језика-акције (VLA) који комбинује визуелну перцепцију, разумевање говора и прецизну моторичку контролу у једном систему. Хеликс представља значајан напредак у развоју флексибилних роботских система за неструктурирана окружења као што су домови. Са својом способношћу да обавља сложене задатке без претходне обуке, могао би да револуционише интеракцију човека и машине.

У вези са овим:

• Роботи контролисани гласом: Helix by Figure AI мења све! Индустрија, домаћинство, будућност – разумејте, учите, извршавајте у реалном времену

Хеликсове способности

• Контрола у реалном времену целог горњег дела тела хуманоидних робота, укључујући 35 оса кретања
• Обрада говорног уноса и визуелних информација за обављање сложених задатака
• Препознавање и руковање непознатим објектима без посебне обуке
• Сарадња између више робота у извршавању задатака
• Обављање кућних послова као што је пуњење фрижидера

Технички детаљи

Састоји се од две главне компоненте:

1. Мултимодални језички модел са 7 милијарди параметара (7-9 Hz)
2. Вештачка интелигенција покрета са 80 милиона параметара (200 Hz)

• Обучен са само 500 сати надгледане обуке
• Ради на енергетски ефикасним уграђеним графичким процесорима

Највећи конкуренти

1. Google DeepMind: Развој VLA модела сличних RT-2
2. Мета: Рад на напредним хуманоидним роботима
3. Епл: Такође у трци за развој напредних хуманоида са вештачком интелигенцијом
4. OpenAI: Бивши партнер компаније Figure AI, сада конкурент у области развоја вештачке интелигенције

Гугл ДипМајнд

Компанија Google DeepMind је представила RT-2 (Robotics Transformer 2), револуционарни модел визуелно-језичке-акцијске (VLA) технологије. RT-2 омогућава роботима да обављају нове задатке без посебне обуке учећи концепте из текстуалних и сликовних података на интернету и претварајући их у роботске акције. У тестовима, RT-2 је показао значајно побољшане перформансе на новим задацима у поређењу са својим претходником, RT-1.

У вези са овим:

• Google Project Mariner: Експериментални AI агент као проширење прегледача – Аутономна веб навигација са DeepMind технологијом

Мета

Мета улаже велика средства у развој хуманоидних робота покретаних вештачком интелигенцијом. Компанија је основала нови тим у оквиру своје дивизије Reality Labs, фокусиран на истраживање и развој робота за потрошаче. Мета планира да развије системе вештачке интелигенције, сензоре и софтверске платформе које могу користити и други произвођачи.

Јабука

Епл такође истражује дизајн хуманоидних и нехуманоидних робота. Међутим, компанија је још увек у раној фази развоја. Аналитичар Минг-Чи Куо предвиђа да масовна производња неће бити могућа најраније до 2028. године. Епл се посебно фокусира на интеракцију човека и робота.

У вези са овим:

• Да ли је Епл захватила роботска грозница? Огласи за посао откривају Еплову роботску офанзиву: Да ли технолошки гигант сада напада тржиште кућних апарата?

OpenAI

OpenAI, бивши партнер компаније Figure AI, гради сопствену дивизију за роботику и фокусира се на роботе као оличење вештачке интелигенције у стварном свету. Компанија сада директно конкурише са Google DeepMind-ом и другима у области развоја вештачке интелигенције за роботику.

Искористите предности Xpert.Digital-овог опсежног, петоструког стручног знања у свеобухватном пакету услуга | Истраживање и развој, XR, односи с јавношћу и оптимизација дигиталне видљивости - Слика: Xpert.Digital

Xpert.Digital поседује дубинско знање у различитим индустријама. То нам омогућава да развијемо прилагођене стратегије прецизно усклађене са захтевима и изазовима вашег специфичног тржишног сегмента. Континуираном анализом тржишних трендова и праћењем развоја у индустрији, можемо деловати проактивно и понудити иновативна решења. Комбинација искуства и стручности ствара додатну вредност и пружа нашим клијентима одлучујућу конкурентску предност.

Више информација овде:

• Искористите предности 5 области стручности компаније Xpert.Digital у једном пакету – већ од 500 евра месечно

Иновативни VLA модел: Хеликс комбинује перцепцију, језик и кретање

Недавно лансирање Хеликса од стране компаније Figure AI означава значајан напредак у области вештачке интелигенције у роботици. Овај иновативни модел визије-језика-акције (VLA) разликује се од постојећих система кроз неколико револуционарних карактеристика, постављајући нове стандарде за контролу хуманоидних робота. Хеликс интегрише визуелну перцепцију, разумевање говора и прецизну контролу кретања у један систем посебно дизајниран да се носи са изазовима физичке роботике.

Јединствена архитектура са два система

Можда најзначајнија разлика између Helix-а и других AI система за роботе лежи у његовој иновативној двокомпонентној архитектури. Ова структура са два система решава фундаментални проблем у роботичкој AI.

Систем 1 и систем 2: Комплементарна интелигенција

За разлику од конвенционалних приступа, Хеликс користи два комплементарна система који заједно постижу јединствену равнотежу између универзалности и брзине. Систем 2 (S2) је мултимодални језички модел са 7 милијарди параметара, који ради на фреквенцији од 7-9 Hz и функционише као аналитички „мозак“ робота. Он обрађује визуелне податке и говорне команде, интерпретира окружење и одлучује које радње да изврши.

Допуњује ово Систем 1 (S1), брза, реактивна визуомоторна контролна јединица са 80 милиона параметара. Ова компонента преводи семантичке информације које пружа S2 у прецизне, континуиране роботске акције на импресивној фреквенцији од 200 Hz. Слика AI објашњава да су претходни приступи пропали због недостатка универзалности или брзине: „Коришћење VLM-а (Visual Large Language Model) је универзално, али не и брзо, а коришћење визуелних стратегија кретања за роботе је брзо, али не и универзално.“ Хеликс превазилази ову дихотомију кроз своју двоструку структуру.

Ова архитектура се фундаментално разликује од других познатих VLA модела као што је Google DeepMind-ов RT-2, који такође комбинује визуелне податке и гласовне команде, али нема упоредиву поделу на два дела.

У вези са овим:

• Гуглова Gemini платформа са Google AI Studio-ом, Google Deep Research са Gemini Advanced-ом и Google DeepMind-ом

Свеобухватне могућности контроле

Контрола преко 35 степени слободе

Још једна карактеристика Хеликса је његова способност да истовремено координира 35 степени слободе. Ова свеобухватна контрола омогућава прецизну, брзу манипулацију целим горњим делом хуманоидног тела, укључујући зглобове, труп, главу и појединачне прсте. Ова могућност контроле превазилази већину постојећих система и омогућава сложене задатке манипулације који захтевају висок степен фине моторике.

Генерализација и учење објеката

Универзално препознавање објеката без посебне обуке

Кључна карактеристика Хеликса је његова способност да препозна и рукује практично било којим малим кућним предметом без претходне обуке о његовим специфичним карактеристикама. Ова широка генерализација омогућава систему да рукује хиљадама предмета различитих облика, величина, боја и својстава материјала.

За разлику од многих других вештачких роботских система који се морају репрограмирати или поново обучити за сваки нови задатак или тип објекта, Хеликс се може прилагодити различитим ситуацијама и реаговати на команде природног језика. Ово представља промену парадигме, јер систем користи једну неуронску мрежу за учење свих понашања - као што су подизање и спуштање предмета, коришћење фиока и фрижидера и интеракција са другим роботима - без финог подешавања специфичног за задатак.

Координација више робота

Јединствене вештине сарадње

Хеликс је први VLA модел способан да истовремено контролише два робота и омогући им сарадњу. Ова способност омогућава роботима да заједнички решавају сложене задатке који укључују додавање предмета и координацију њихових покрета. Посебно је вредна пажње готово људска комуникација између робота путем климања главом и контакта очима.

Овај облик координације представља значајан напредак у односу на конвенционалне системе, где се сваки робот обично контролише појединачно или захтева посебну обуку за одређене улоге. Са Хеликс системом, оба робота користе исте моделне тежине без потребе за појединачним подешавањима.

Ефикасност и имплементација обуке

Минимални захтеви за обуку, максималне перформансе

Још једна кључна разлика лежи у изузетној ефикасности процеса обуке. Хеликс је развијен користећи само 500 сати висококвалитетних, телеоперативних података за обуку, што је знатно мање од упоредивих приступа који често захтевају хиљаде сати специфичних демонстрација. Ова ефикасност не само да наглашава техничку софистицираност система већ и његову економску исплативост за комерцијалне примене.

Обрада са могућношћу уграђених уређаја

За разлику од многих роботских вештачких система који се ослањају на моћне екстерне сервере, Helix ради у потпуности на уграђеним, енергетски ефикасним графичким процесорима унутар робота. Ова обрада на плочи елиминише потребу за сталном везом са екстерним рачунарским ресурсима, чинећи робота аутономнијим и флексибилнијим у различитим окружењима.

Стратешка диференцијација

Вертикална интеграција уместо генеричких вештачких интелигенцијских модела

Компанија Figure AI се стратешки диференцирала од других компанија прекидом сарадње са OpenAI и следењем вертикално интегрисане стратегије, развијајући и хардвер и софтвер сопственим сопственим снагама. Генерални директор Брет Адкок објаснио је да генерички модели вештачке интелигенције нису довољни да задовоље захтеве отеловљене вештачке интелигенције, односно вештачке интелигенције у физичким роботима. Ова одлука наглашава приступ компаније развоју прилагођених решења за специфичне изазове роботике, уместо ослањања на опште моделе вештачке интелигенције.

Оријентација апликације

Фокусирајте се на кућну употребу

Док се многи играчи у индустрији тренутно фокусирају на индустријске или радне примене робота, Figure AI са Helix-ом следи стратешки изненађујући приступ, фокусирајући се на кућну роботику. Способност робота да обављају свакодневне задатке као што су сортирање намирница, пуњење фрижидера или руковање широким спектром кућних предмета усмерена је на тржиште које други играчи често сматрају превише сложеним за улазак.

Координација више робота: Кључ за следећу генерацију роботике

Хеликс се издваја од осталих вештачких роботских система због своје двосистемске архитектуре, свеобухватних могућности управљања, изванредне способности генерализације и координације више робота. Са својим ефикасним процесом обуке, уграђеном обрадом и стратешким фокусом на кућне примене, представља значајан напредак у развоју хуманоидних робота. Док други системи, попут Google DeepMind-овог RT-2, следе сличне приступе комбиновања визуелних података и гласовних команди, Хеликс нуди разлике у предностима кроз своју јединствену архитектуру и интегрисани приступ развоју, што га чини пиониром у следећој генерацији робота покретаних вештачком интелигенцијом.

☑️ Подршка малим и средњим предузећима у стратегији, консултацијама, планирању и имплементацији

☑️ Креирање или реорганизација дигиталне стратегије и дигитализације

☑️ Проширење и оптимизација међународних продајних процеса

☑️ Глобалне и дигиталне B2B платформе за трговање

☑️ Пионирски развој пословања

Konrad Wolfenstein

Било би ми драго да вам будем лични саветник.

Можете ме контактирати попуњавањем контакт форме испод или ме једноставно позовите на +49 89 89 674 804 (Минхен) .

Радујем се нашем заједничком пројекту.

Xpert.Digital је центар за индустрију фокусиран на дигитализацију, машинство, логистику/интралогистику и фотонапонске системе.

Са нашим решењем за развој пословања од 360°, пружамо подршку реномираним компанијама, од нових пословања до постпродајних услуга.

Тржишна интелигенција, маркетиншки маркетинг, маркетиншка аутоматизација, развој садржаја, односи с јавношћу, мејлинг кампање, персонализоване друштвене мреже и неговање потенцијалних клијената су део наших дигиталних алата.

Више информација можете пронаћи на: www.xpert.digital - www.xpert.solar - www.xpert.plus