"Videon innehåller inte telemontage, - säger Norsk tillverkare av humanoida robotar 1X. "Ingen datorgrafik, inga klipp, ingen acceleration av videon, ingen uppspelning av banan enligt manuset. Allt styrs av neurala nätverk, allt är autonomt, allt med 1X hastighet”.
Det är en humanoidtillverkare som OpenAI satte sina marker på förra året i en finansieringsomgång på 25 miljoner dollar i serie A. En uppföljning på 100 miljoner dollar i serie B visade hur mycket OpenAI:s uppmärksamhet, såväl som den allmänna hypen kring universella humanoidrobotar, är ett koncept som är alltid verkade som en avlägsen framtid, men under de senaste två åren har det blivit en absolut termonukleär explosion.
1X:s humanoida robotar ser konstigt underskattade ut bredvid vad t.ex. Tesla, Figure, Sanctuary eller Agility arbetar med. Humanoid Eve har inte ens ben eller smidiga händer än. Den rör sig på ett par drivna hjul, balanserar på ett tredje litet hjul på baksidan, och dess händer är rudimentära klor. Den ser ut som den är klädd för pulka och har en svag, blinkande LED-smiley.
1X har en tvåfotsversion som heter Neo, som också har snyggt ledade armar – men kanske är dessa detaljer inte så viktiga i dessa tidiga dagar av robotutveckling för allmänt bruk. Den stora majoriteten av tidiga användningsfall kommer att se ut så här: "ta den här saken och lägg den där" - detta kommer sannolikt inte att kräva fingrar som kan spela ett piano. Och den huvudsakliga platsen de kommer att användas är i lager med betonggolv och fabriker där de förmodligen inte kommer att behöva klättra i trappor eller kliva över någonting.
Inte nog med det, många grupper har löst problemet med tvåfota gång och vacker manuell utrustning. Men detta är inte det främsta hindret. Det största hindret är att få dessa maskiner att snabbt lära sig uppgifter och sedan gå och göra dem självständigt, som Toyota gör med stationära robotmanipulatorer. När figur 01 "kpådde ut" hur man arbetar med en kaffemaskin på egen hand var det en stor händelse. När Teslas Optimus vek sin skjorta i videon och visade sig vara under kontroll av en mänsklig operatör, var det mycket mindre imponerande.
Ovanstående uppgifter är inte alltför svåra, de handlar inte om att vika skjortor eller att använda en kaffemaskin. Men det finns ett antal fullfjädrade robotar som utför en rad uppgifter, lyfter och sätter saker på plats. De tar tag i dem på en höjd från fotleden till midjan. De sprider dem i lådor, papperskorgar och brickor. De plockar upp leksaker från golvet och lägger undan dem.
De öppnar också dörrar, springer fram till laddstationer och ansluter till dem, med vad som ser ut som en onödigt komplicerad hukmanöver för att koppla kontakten till fotlederna.
Kort sagt, de gör ungefär samma sak som de behöver göra i tidiga humanoida användningsfall, utbildade, enligt 1X, "rent baserat på data." I huvudsak utbildade företaget 30 Eve-bots för att utföra en serie individuella uppgifter var och en, uppenbarligen med hjälp av simuleringsträning via video och teleoperationer. De använde sedan detta inlärda beteende för att träna en "basmodell" som kan utföra ett brett spektrum av handlingar och beteenden. Denna grundmodell förfinades sedan för att ta hänsyn till miljöns specifika kapacitet – lageruppgifter, allmän dörrmanipulation, etc. – och slutligen tränades botarna på de specifika uppgifter de skulle utföra.
Det här sista steget kommer sannolikt att ske på plats hos kundwebbplatser när botarna får sina dagliga uppgifter, och 1X säger att det kommer att ta "bara några minuter av datainsamling och träning på en stationär GPU." Förmodligen, i en ideal värld, skulle detta innebära att någon står i en virtuell verklighetshjälm och gör en uppgift, och sedan kombinerar djupinlärningsmjukvaran den uppgiften med botens nyckelförmågor, kör den flera tusen gånger i en simulering för att testa för olika slumpmässiga faktorer och resultat, varefter botarna är redo att arbeta.
"Under det senaste året", skriver Eric Jang, VP för AI på 1X, i sin blogg, "har vi utvecklat en datamotor för att lösa vanliga mobila manipulationsuppgifter på ett helt och hållet sätt. Vi har sett det fungera, så vi anställer nu AI-forskare i San Francisco Bay Area för att skala det till 10 gånger antalet robotar och TV-operatörer.”
Jag undrar när dessa saker kommer att vara klara för bästa sändningstid.
Läs också: