Společnost Skild AI nedávno představila S1, svůj vlajkový robotický foundation model. Od svého založení v roce 2023 firma získala téměř 1,7 miliardy dolarů na vytvoření univerzálního „mozku“ pro roboty.
Podle firmy se roboti díky modelu S1 dokážou naučit nové a složité úkoly už jen ze sledování jediného videa. Model k tomu využívá učení v kontextu (in-context learning), jak serveru The Robot Report vysvětlil Deepak Pathak, spoluzakladatel a generální ředitel Skild AI.
„Do promptu, kterému se také říká kontext modelu, prostě přidáte video, jak nějaký člověk něco dělá, a robot to dokáže napodobit,“ řekl Pathak. „Úkoly, které předvádíme, jsou nesmírně složité a dlouhé. Nejsou to tři- nebo čtyřsekundové, nejsou to ty drobné, jednoduché úkoly.“
S1 se předtrénovává na různých typech dat
Když AI modely na robotech obvykle čelí novým úkolům, musí projít dodatečným trénováním, aby je zvládly. To může být zdlouhavý proces, který robotice brání v dalším rozšiřování. Podle Pathaka existují čtyři druhy tréninkových dat pro roboty a Skild využívá všechny.
Prvním jsou data z teleoperace, kdy člověk přímo ovládá pohyby robota. Jejich sběr je pomalý a nenabízí rozmanitost, jsou však velmi kvalitní, protože pocházejí přímo z robota. Druhým typem jsou lidská videa, kdy se robot učí úkol sledováním člověka. Takových dat je mnoho a jsou různorodá, ale obtížně se přenášejí přímo na roboty. Třetím jsou simulace, které jsou dobře škálovatelné a rozmanité, přetrvává u nich však rozdíl mezi simulovaným a reálným světem. Čtvrtým jsou data z rukavic pro záznam pohybu, jimiž člověk předvádí úkol – jsou o něco škálovatelnější než teleoperace, ale zároveň o něco méně přímo použitelná pro roboty.
„Když se podíváte na kteroukoli firmu, většina z nich se soustředí na jeden z těchto zdrojů. Když ale uvažujeme od základních principů, uvědomíme si, že žádná zlatá cesta neexistuje,“ uvedl Pathak. „Musíme použít všechny, protože výhody jednoho zdroje kompenzují nevýhody jiného. Lidská videa jsou různorodá, ale daleko od robota. To můžete zkombinovat s daty z rukavic nebo z teleoperace. Takto své datové zdroje pro předtrénování spojujeme.“
Skild AI cílí na širokou škálu úkolů i tělesných forem
Firma podle svých slov aktuálně necílí na žádný konkrétní úkol ani odvětví. „Spousta lidí na sociálních sítích klade otázky a my neustále odpovídáme novými úkoly, protože je to hodně obecné,“ řekl Pathak. Skild se přitom zaměřuje na delší úkoly, které mohou trvat až 10 minut, jako je přesazování rostliny, příprava šálku kávy nebo smažení palačinek.
„Když robot obrátil palačinku, měli jsme takový strach, že jsme se vrátili a prošli všechny naše miliony hodin dat, abychom hledali jakýkoli příklad obracení – a nebyl tam žádný,“ popsal Pathak. „Tohle obracení v podstatě vzniklo samo tím, že se robot díval, jak se pohybuje obracečka, a prostě to dokázal.“
Mozek Skild je navíc „omni-bodied“, tedy nezávislý na tvaru těla. Podle Pathaka funguje na čemkoli od čtyřnožce přes humanoida až po statické rameno. V budoucnu firma plánuje věnovat více času zlepšování výkonu modelu právě na humanoidech. „Máme výsledky, kdy když humanoid jde a některá z jeho končetin se poškodí, dokáže se za chodu přizpůsobit,“ uvedl Pathak, byť tyto výsledky pocházejí ze starší verze modelu.
Bude mít robotika svůj „okamžik ChatGPT“?
Nabízí se srovnání toho, co se děje s robotickými foundation modely, s tím, co se odehrálo u velkých jazykových modelů.
„Jazykové modely se před touto řadou modelů GPT musely dolaďovat pro každý jednotlivý úkol. I poté, co byly objeveny a vynalezeny transformery, jste je stále museli doladit pro každý nový benchmark, každý matematický příklad, každý nový scénář,“ řekl Pathak. „Velká změna v jazyce přišla s přechodem na ChatGPT, kde síť nemusíte dolaďovat ani trénovat. Stačí napsat prompt a model ho dokáže následovat.“
Přestože je Pathak přesvědčen, že jde o krok správným směrem, nemyslí si, že je robotika u svého okamžiku ChatGPT. „Teď je otázka: Je to zcela připravené na nasazení do domácností lidí? Ne úplně. Ale je to první náznak toho, co podle nás může přijít,“ uvedl.
Do budoucna Skild AI podle Pathaka chystá další velká vydání. „V nadcházejících týdnech ukážeme, jak S1 už pomáhá v provozu,“ řekl. „Vlastně nám to pomáhá rychleji získávat další zákazníky.“ Firma míří k nasazení, s čímž jí pomůže i nedávná akvizice Fetch Robotics. Podle Pathaka šlo u ní o získání správných lidí, kteří dokážou technologii nasadit a škálovat. „Samozřejmě budeme dál posouvat hraniční výzkum, ale zároveň je nasazení vysokou prioritou,“ dodal.
Zdroj: therobotreport.com
