В последние годы компании в области робототехники активно инвестируют в идею, что данные смогут решить самые сложные задачи в этой области. Считается, что после того, как системы искусственного интеллекта обработают достаточно данных из человеческих демонстраций, роботы смогут выполнять большинство ручных задач, которые сейчас выполняют люди. Некоторые компании даже существуют исключительно для сбора обучающих данных и их продажи другим компаниям в стремлении достичь этой цели. Однако вопрос о том, приведут ли данные к созданию универсальных роботов, остается открытым. Никто не знает, сколько данных потребуется, какие данные важны или может ли чего-то не хватать.

Проблема данных

На протяжении десятилетий роботы программировались с использованием методов, основанных на моделях, что означало, что их поведение основывалось на детальном понимании физики и математики, лежащих в основе робота и его окружения. Робототехники сначала разрабатывали эти модели, а затем писали детализированный код, указывающий роботам, как действовать. Хотя такие системы работали быстро и надежно, этот подход стал менее популярным, так как требует много времени и человеческой экспертизы. Гораздо проще просто загрузить огромное количество данных о человеческих демонстрациях в систему машинного обучения, и результаты, как правило, оказываются адаптивными и надежными — до определенного момента. Кен Голдберг, профессор робототехники в Университете Калифорнии в Беркли, отмечает, что парадигма имитационного обучения достигла плато. "Это многообещающе для таких задач, как домашние роботы, где скорость и надежность не так критичны. Но для промышленных приложений добиться необходимой надежности крайне сложно," — говорит он. По его словам, компании, такие как Siemens и Bosch, сталкиваются с аналогичными проблемами. "Вы получаете хорошую производительность из данных на начальном этапе, но затем что-то идет не так. Вы начинаете добавлять больше данных, но возникают новые проблемы. Неясно, приведет ли добавление данных к решению проблемы."

Как работает агентная робототехника

Причина успеха языковых моделей, таких как ChatGPT, заключается в том, что они могут обучаться на данных, сопоставимых по масштабу с интернетом. Однако для робототехники не существует набора данных, который мог бы достичь такого масштаба. Агентная робототехника, термин, популяризированный Голдбергом и Спенсером Хуаном из Nvidia, пытается превратить программирование роботов из проблемы данных в проблему кодирования, что позволяет напрямую использовать масштаб языковых моделей. "Качество агентного кодирования стало настолько хорошим, что использование их для написания кода для роботов теперь жизнеспособно," — говорит Голдберг. Агентная робототехника основана на больших языковых моделях, что делает ее использование простым: можно использовать естественный язык, чтобы указать роботу, что делать. Например, исследователи из UC Berkeley продемонстрировали, как роботизированная рука может упаковывать продукты в сумку. Сложная задача разбивается на более простые подзадачи, каждая из которых назначается отдельному кодирующему агенту.

Преодоление узкого места симуляции

После того как агенты разработали правдоподобную структуру, они запускают свой код в симуляции и наблюдают за результатами. Они могут изменять начальные условия, выявлять ошибки, дорабатывать код и продолжать итерации до тех пор, пока не получат успешную программу. Однако код, который работает в симуляции, может быть столь же универсальным и надежным, как и сама симуляция. Голдберг подчеркивает, что создание симуляций — это не тривиальная задача. Чем более точной должна быть симуляция, тем больше параметров необходимо настроить для достижения и поддержания этой точности. Он решил предоставить агенту ИИ прямой доступ к этим параметрам симуляции и поручить ему сопоставить симуляцию с видео из реального мира. "Это было потрясающе. Он сопоставлял всю среду, освещение, фон — все эти вещи, которые очень утомительны для настройки. Мы бы никогда этого не сделали, но агент справился," — говорит он. Тем не менее, несмотря на то, насколько хороша симуляция, преодоление разрыва между симуляцией и реальным миром остается нерешенной задачей для сообщества робототехников. Однако агенты могут устранять неполадки, когда что-то идет не так. Их способность работать над самой симуляцией дает значительные преимущества, так как агенты могут получать видео с неудачной задачей с целью обновить симуляцию, в то время как кодирующие агенты продолжают итерации для исправления проблемы.

Реальная агентная робототехника

В ближайшем будущем агентная робототехника будет особенно полезна в промышленных задачах, требующих высокой точности и аккуратности. Например, в компании Wistron в Тайване, производящей материнские платы для графических процессоров Nvidia, перенастройка робота на новый продукт занимает минимум 8 часов. С помощью агентной робототехники этот процесс может занять всего минуту или две. Голдберг и его команда работают с реальными компаниями, чтобы внедрить агентную робототехнику на практике. Разработка серии эталонов для агентной робототехники с использованием Nvidia Isaac Lab-Arena и физического движка Newton поможет исследователям оценить производительность агентов. "Я не хочу сказать, что у нас есть решение, но я очень рад этому," — заключает он. Агентная робототехника может стать важным шагом к созданию универсальных роботов, которые смогут адаптироваться к изменяющимся условиям и выполнять более сложные задачи, чем когда-либо прежде.