Значимость данного заявления обусловлена тем, где именно кроется главное ограничение современной робототехники. Политики универсальных роботов в основном обучались на данных телеопераций, когда люди час за часом физически направляли машины при выполнении различных задач. Подобная информация требует больших затрат и собирается крайне медленно, что существенно ограничивало масштабирование базовых моделей роботов. Ставка DYNA-2 заключается в том, что необходимую механическую интуицию можно почерпнуть из записей с действиями людей, а затем успешно перенести на аппаратное обеспечение.

Обучение без демонстрации роботов

По утверждению разработчиков, создание «модели мира и действий», которая мысленно моделирует изменения физической среды до совершения поступка, наделяет механизмы пространственным мышлением и пониманием контактной физики, отсутствующим у традиционных визуально-языковых архитектур. Проект базируется на генерации видеоматериалов, а не на стандартных адаптациях. На этапе предварительной подготовки система решает комплексную задачу прогнозирования следующего кадра и следующего движения на основе огромного архива человеческих видеозаписей.

В компании заявляют, что такой подход формирует рабочее представление о физике контактов и пространственной логике, переносимое на самые разные форм-факторы: стационарные манипуляторы, человекоподобные прототипы и ловкие пятипалые кисти, хотя ни одно из этих устройств не участвовало в первоначальном обучении. Адаптация под конкретную платформу занимает считанные часы локальной доводки вместо недель сбора информации. В одном из примеров тринадцати минут записей хватило, чтобы обучить пару пятипалых кистей откручивать крышку бутылки. По результатам пятнадцати тестовых испытаний политики, прошедшие предварительную подготовку на большем объеме человеческих данных, стабильно превосходили те, что обучались на меньших массивах.

Сравнение с предыдущим поколением

Наиболее наглядное сопоставление проведено с собственным прошлым решением компании. Модель DYNA-1, задействованная в коммерческих проектах, столкнулась с DYNA-2 в прямых физических тестах при одинаковых шагах обучения и наборах данных. В ювелирных манипуляциях, таких как нарезка продуктов и уборка рабочих поверхностей, новинка успешно справлялась с физическими помехами без вмешательства человека, тогда как базовая версия терпела неудачу и требовала ручного перезапуска.

Алгоритм совместного обучения на видеоматериалах повысил показатели выполнения инструкций на 133 процента при сценариях, требующих четких движений в ответ на пользовательские команды. Выход новой разработки опирается на солидную коммерческую базу: роботы под управлением первой версии уже работают в гостиницах, ресторанах, прачечных и спортивных залах.

Ключевые показатели DYNA-2

• Более 1 миллиона часов эгоцентрического видео в предварительном обучении — около 170 лет непрерывного бодрствования.
• Рост успешности с 20% до 80–90% на высокоточных производственных операциях исключительно за счет масштаба претренинга.
• В 1,55 раза больше выполненных задач по сравнению с предыдущей версией в реальных испытаниях.
• 87% против 46% успешных прохождений тестов на клиентском объекте.
• 13 минут данных для обучения пятипалых кистей открытию бутылки.
• 133-процентный прогресс в точности следования командам благодаря видеоалгоритму.
• 10 миллионов часов — целевой масштаб обучающих данных, к которому открывается путь.

Машины компании способны непрерывно складывать свыше 40 рубашек в час и функционировать по шестнадцать часов в сутки на объектах заказчиков, демонстрируя надежность свыше девяти процентов при круглосуточной работе. Существующая инфраструктура внедрения служит полноценным источником данных для дальнейших изысканий. Дальнейшая стратегия строится вокруг масштабирования: если эмпирическая кривая оправдает себя, переход к десяти миллионам часов сведется к простой записи видео, а не к созданию громоздких парков телеоперационного оборудования. Достигнутый результат на отметке в миллион часов выступает главным доказательством существования этой закономерности, а проверка ее жизнеспособности при десятикратном увеличении остается открытой инженерной задачей.

Источник: unite.ai