Hi, AI | Новости технологий

0:50

Media is too big

VIEW IN TELEGRAM

0:13

This media is not supported in your browser

VIEW IN TELEGRAM

1:13

Media is too big

VIEW IN TELEGRAM

1:54

This media is not supported in your browser

VIEW IN TELEGRAM

🤖 Зачем Джефф Безос и OpenAI вкладывают миллионы в «мозги» для роботов?

Представьте себе робота, умеющего выполнять любые задачи, от складывания белья до сборки авто на заводе, также, как ChatGPT генерирует текст любого формата. Именно над такой технологией работает стартап Physical Intelligence, недавно привлекший $400 млн инвестиций от основателя Amazon Джеффа Безоса, OpenAI и венчурных фондов.

🖐 Новый подход

Обычно роботов создают для специфических задач, и каждый помощник требует уникального ПО. Physical Intelligence предлагает принципиально иной подход. Основатель компании Карол Хаусман называет это «единым универсальным мозгом» для роботов. В компании сравнивают свою модель π0 с GPT-1, положившей начало повсеместному внедрению больших языковых моделей.

Для создания такого «мозга», помимо разработки ИИ-алгоритмов и систем компьютерного зрения нового поколения, нужен еще и огромный массив данных о взаимодействии машин с реальным миром.

🤔 Гонка обучения

Недавно китайская компания Astribot показала, как их ассистент с π0 заваривает кофе. При этом Physical Intelligence далеко не первые в своей отрасли.

💩 Роботы с ПО HIL-SERL, разработанном в Беркли, за несколько часов учатся собирать компьютер или мебель из IKEA и даже играть в дженгу кнутом (да, и не проигрывать!)

💩 Mobile ALOHA из Стэнфорда научился вызывать лифт, убираться в комнате и жарить креветки. Сначала человек управляет роботом в ручном режиме, показывая ему, как выполнять определенное действие, после чего робот сам повторяет его даже в меняющихся обстоятельствах.

💩 ИИ-агент RoboCat от Google DeepMind адаптируется к решению новой задачи всего за 100 итераций. Причем не только учится на собственных ошибках, но и изучает 3D-симуляции и видео работы других роботов.

💩 Стартап Skild AI делает роботов «любопытными». Когда машина сталкивается с неизвестной задачей, она пробует выполнить ее как можно больше раз, чтобы собрать максимум данных для обучения.

Еще по теме:

➡️ Как устроен Optimus: робот-помощник от Илона Маска

➡️ Forbes прогнозирует массовое внедрение роботов-универсалов к 2030 году

👋 Подпишитесь на Hi, AI!

#новости #robots

Please open Telegram to view this post

VIEW IN TELEGRAM

Please open Telegram to view this post

VIEW IN TELEGRAM

www.tgoop.com/hiaimedia/1410

196.1K viewsDec 3, 2024 at 13:50

🤖 Зачем Джефф Безос и OpenAI вкладывают миллионы в «мозги» для роботов?

Представьте себе робота, умеющего выполнять любые задачи, от складывания белья до сборки авто на заводе, также, как ChatGPT генерирует текст любого формата. Именно над такой технологией работает стартап Physical Intelligence, недавно привлекший $400 млн инвестиций от основателя Amazon Джеффа Безоса, OpenAI и венчурных фондов.

🖐 Новый подход

Обычно роботов создают для специфических задач, и каждый помощник требует уникального ПО. Physical Intelligence предлагает принципиально иной подход. Основатель компании Карол Хаусман называет это «единым универсальным мозгом» для роботов. В компании сравнивают свою модель π0 с GPT-1, положившей начало повсеместному внедрению больших языковых моделей.

Для создания такого «мозга», помимо разработки ИИ-алгоритмов и систем компьютерного зрения нового поколения, нужен еще и огромный массив данных о взаимодействии машин с реальным миром.

🤔 Гонка обучения

Недавно китайская компания Astribot показала, как их ассистент с π0 заваривает кофе. При этом Physical Intelligence далеко не первые в своей отрасли.

💩 Роботы с ПО HIL-SERL, разработанном в Беркли, за несколько часов учатся собирать компьютер или мебель из IKEA и даже играть в дженгу кнутом (да, и не проигрывать!)

💩 Mobile ALOHA из Стэнфорда научился вызывать лифт, убираться в комнате и жарить креветки. Сначала человек управляет роботом в ручном режиме, показывая ему, как выполнять определенное действие, после чего робот сам повторяет его даже в меняющихся обстоятельствах.

💩 ИИ-агент RoboCat от Google DeepMind адаптируется к решению новой задачи всего за 100 итераций. Причем не только учится на собственных ошибках, но и изучает 3D-симуляции и видео работы других роботов.

💩 Стартап Skild AI делает роботов «любопытными». Когда машина сталкивается с неизвестной задачей, она пробует выполнить ее как можно больше раз, чтобы собрать максимум данных для обучения.

Еще по теме:

➡️ Как устроен Optimus: робот-помощник от Илона Маска

➡️ Forbes прогнозирует массовое внедрение роботов-универсалов к 2030 году

👋 Подпишитесь на Hi, AI!

#новости #robots