Nvidia представя модела GR00T 2: Хуманоидни роботи, които наблюдават хора и мислено симулират физическите действия
Източник: The Decoder / Nvidia Robotics
Роботизираното подразделение на Nvidia разкри детайли за следващото поколение на своя универсален базов модел — Project GR00T 2, предназначен за контрол на хуманоидни роботи [1]. Ключовият пробив в новата версия е способността за „ментална симулация“: роботът анализира обикновено видео на човек, извършващ сложна задача, и мислено проиграва физическите сили и кинематични траектории в невронно латентно пространство, преди да помръдне реалните си крайници.
Преодоляване на разликата между визуално наблюдение и физическо изпълнение
Досега обучението на роботизирани манипулатори изискваше скъпи костюми за телеоперация или милиони часове симулация в специализирани софтуерни физически среди. GR00T 2 използва модел на света (world model), обучен върху огромни масиви от видеозаписи на човешки труд.
Когато моделът види как човек отваря буркан, той автоматично картографира човешката анатомия върху спецификата на металните сервозадвижвания на конкретния робот, изчислявайки необходимия въртящ момент и сила на натиск за предотвратяване на счупване на предмета.
Тестове върху индустриални поточни линии и логистика
Пилотните внедрявания на GR00T 2 в заводи за електроника показват 94% успеваемост от първи опит при задачи с фина моторика (като включване на лентови кабели и затягане на прецизни винтове). Времето за усвояване на нова операция намалява от три седмици програмиране до по-малко от десет минути видео демонстрация.
Инфографика: Аналитичен преглед на Svetni.me
Физическият изкуствен интелект като следващата икономическа граница
Успехът на GR00T 2 доказва, че физическият AI (Embodied AI) навлиза във фаза на експоненциално ускорение, подобна на пробива при езиковите модели преди няколко години. Възможността хуманоидни машини да се обучават директно от съществуващите в интернет видеоклипове премахва бариерата за събиране на тренировъчни данни в реалния свят.
Това приближава момента, в който мултифункционални хуманоидни работници ще могат да поемат тежък и монотонен физически труд в строителството, складовете и болниците, трансформирайки глобалната индустриална производителност.