Как стартъпът Rhoda AI използва видео от първо лице за създаване на универсални визуално-моторни модели за роботи
Източник: The Robot Report
В стремеж да преодолее най-тесното гърло в съвременната роботика — събирането на физически данни за обучение на манипулатори — калифорнийският стартъп Rhoda AI представи революционна парадигма за обучение на базови модели чрез неструктурирано видео от първо лице (egocentric video) [1]. Методът позволява на роботи с различна кинематика да усвояват фини двигателни навици, наблюдавайки обикновени човешки действия.
Архитектурен пробив: От визуални пиксели към моторни траектории
Досега доминиращият подход за обучение на роботи изискваше телеоперация — човешки оператори с VR очила или джойстици управляваха робота хиляди пъти за всяка отделна задача. Този процес е бавен, изключително скъп и трудно мащабируем.
Rhoda AI разработва мултимодален модел за компютърно зрение, който разделя видеоклиповете на семантични фази: идентифициране на обекта, предвиждане на контактните точки и генериране на динамични векторни сили. Моделът се обучава върху милиони часове видеозаписи от умни очила и спортни камери, след което транслира човешките движения към ставите на конкретния робот чрез инверсна кинематика.
Генерализация върху непознати предмети и нови среди
Тестовете показват, че роботите, обучени по новата методология, се справят с манипулация на деформируеми обекти (като текстил, кабели и хранителни продукти) с 40% по-висока успеваемост от традиционните алгоритми за подражателно обучение (Imitation Learning).
Системата демонстрира забележителна пространствена генерализация, изпълнявайки задачи в напълно непознати фабрични халета без предварително картографиране.
Инфографика: Аналитичен преглед на Svetni.me
Демократизация на физическия интелект и индустриална трансформация
Технологията на Rhoda AI бележи решителна крачка към създаването на истински универсален въплътен интелект. Възможността за обучение на роботи чрез пасивно наблюдение на видео съдържание премахва най-голямата бариера пред масовата автоматизация: необходимостта от скъпи индивидуални инженерни настройки за всяко фабрично работно място.
Това ще позволи на малки и средни производствени предприятия да внедряват адаптивни роботизирани клетки за часове вместо за месеци. В дългосрочен план интернет видео архивите ще се превърнат в универсален учебник за новото поколение хуманоидни машини.