W swoim cotygodniowym zestawieniu Video Friday, IEEE Spectrum wyróżnia kilka niedawnych prac z dziedziny robotyki, w tym model GEN-1.5 firmy Generalist, który miałby uczyć się nowego zadania fizycznego w kilka sekund na podstawie jednego przykładu. Pozostałe prezentowane projekty dotyczą lotów dronów, maszyn budowlanych, brachiacji oraz nowego interfejsu interakcji między ludźmi a robotami.
- Generalist prezentuje model GEN-1.5, który uczy się zadań na podstawie jednego przykładu.
- Gravis Rack przekształca hydrauliczne maszyny budowlane w roboty.
- Robot dwuręczny z metodą WGRL pokonał cztery drążki w świecie rzeczywistym.
- TS-Robotics zamienia cobota w interfejs do pisania odręcznego.
Uczenie się na podstawie jednego przykładu
Generalist przedstawia GEN-1.5 jako swój najnowszy model podstawowy dla robotów, czyli model sztucznej inteligencji ogólnej przeznaczony do sterowania maszynami fizycznymi. Według firmy, może on nauczyć się nowego zadania w kilka sekund, na podstawie jednego przykładu, bez aktualizacji swoich parametrów ani strojenia (fine-tuning). Cytowany wpis na blogu wspomina także o zdolnościach uczenia się na podstawie kilku przykładów oraz o generalizacji fizycznej w trybie zero-shot, czyli bez wcześniejszego przykładu dla zadania.
Generalist precyzuje, że zadania pozostają proste i krótkotrwałe. Firma uważa, że jest to pierwszy znany model, który w dużej skali demonstruje uczenie się fizycznych umiejętności w oparciu o jeden lub kilka przykładów, i widzi w tym « znaczący krok » w kierunku swojej misji budowania ogólnej inteligencji dla świata fizycznego. Autorzy zestawienia zauważają jednak, że w przypadku kilku z tych demonstracji, wpis na blogu nie może stwierdzić braku odpowiednich danych treningowych inaczej niż « według naszej wiedzy ».
Drony, place budowy i robotyczne ramiona
Projekt powstały we współpracy między grupą AIMS z Hong Kong Polytechnic University i DRAGON Lab z Uniwersytetu Tokijskiego proponuje to, co jego autorzy opisują jako pierwszą ramę optymalizacji trajektorii opartą na sekwencyjnym programowaniu wypukłym, matematycznym obliczeniu optymalizacyjnym, dla uogólnionych wielowirnikowców, zarówno konwencjonalnych, jak i omnidirekcyjnych. Badacze wyjaśniają, że zastanawiali się, « jak daleko model analityczny oparty na pierwszych zasadach » może zaprowadzić, zamiast uczyć zachowania na podstawie danych.
Jeśli chodzi o place budowy, firma Gravis Robotics oferuje Gravis Rack, zestaw do modernizacji, który przekształca komercyjne maszyny hydrauliczne w roboty. Kamery, lidar, czyli laserowy czujnik wykrywania, oraz wbudowany komputer umożliwiają maszynie percepcję otoczenia, podczas gdy sterowanie oparte na uczeniu pozwala jej pracować blisko swoich limitów, z pełnymi i szybkimi cyklami.
Badacze z EVARL zaprezentowali ponadto podejście uczenia przez wzmocnienie, WGRL, dla brachiacji, czyli sposobu poruszania się polegającego na huśtaniu się z drążka na drążek. Według nich, wyuczona polityka sterowania działała na trasach o różnej wysokości, odstępach i orientacji drążków w eksperymentach symulacyjnych, a ich pełnowymiarowy robot dwuręczny pokonał cztery kolejne drążki w świecie rzeczywistym. Wreszcie, prace TS-Robotics wykorzystują czujniki momentu obrotowego w stawach standardowych cobotów: pasywna płyta z pleksiglasu przymocowana do kołnierza robota przekształca go w interfejs do pisania odręcznego.
Kalendarium
Humanoids Summit Seoul odbędzie się 22 i 23 września 2026 roku w Seulu, a następnie konferencja IROS 2026, od 27 września do 1 października 2026 roku w Pittsburghu. Konferencja CoRL 2026 odbędzie się od 9 do 12 listopada 2026 roku w Austin.
