Google DeepMind הדגימה טכניקת אימון רובוטיקה שבה מודל ה-Gemini 4 Argon שלה לומד משימה פיזית על ידי צפייה בוידאו רגיל, ואז מעביר את ההתנהגות הנלמדת לרובוט דמוי אדם אמיתי. בהדגמה, שפורסמה לצד השקת הדגם, ה-Apollo Humanoid שנבנה ב-Apptronik צפה בצילומים של אדם משחק בור - ולאחר מכן נחת שבע יריות רצופות בניסוי בעולם האמיתי, לפי Robotics & Automation News.
מסרטון גולמי לרובוט אמיתי For more context on this story, see our ongoing AI news.
ההפגנה התרכזה במבחן פנימי יחיד. לארגון הוצג סרטון גולמי של בן אדם שמשחק בור תירס, משחק ההטלה בחצר האחורית. לאחר מכן המודל ניתח את הסביבה, מיפה את הקואורדינטות המרחביות שלה וחישב את תנועות המפרקים של כל הגוף הנדרשות כדי לשחזר את המשימה על פלטפורמה דמוית אדם.
הצעד הבולט הוא מה שהגיע אחר כך: במקום להסתמך על מהנדסים שיבנו ביד סימולציית פיזיקה, ארגון יצר באופן אוטונומי את קוד הסימולציה בעצמו. לאחר מכן, ההתנהגות הנלמדת הועברה מאותה סימולציה שנוצרה בעצמה ל-Apollo Humanoid של אפטרוניק, שהוציאה אותה להורג בעולם הפיזי.
לפי Google DeepMind, אפולו נחת שבעה יריות ישרות במהלך הניסיון בעולם האמיתי - ריצה נקייה למשימה שדורשת מהרובוט לתאם איזון, מסלול זרוע ותזמון שחרור.
שבועות של עבודת סימולציה דחוסה לשעות
Google DeepMind מתארת את הגישה כצינור "וידאו-ל-Sim-to-Real", והפיץ' עוסק לא פחות בזמן הנדסי כמו ביכולת.
"הצינור הזה של 'וידאו-ל-Sim-to-Real' דוחס שבועות של דוגמנות סימולציה ידנית לכמה שעות, והופך סרטונים רגילים למגרש אימונים ניתן להרחבה, אינסופי עבור רובוטיקה", אמרה החברה, לפי Robotics & Automation News.
באופן מסורתי, הוראת רובוט מיומנות פיזית חדשה באמצעות סימולציה חייבה מומחים לדגמן את הסביבה, את פיזיקת האובייקט ואת גוף הרובוט ביד - תהליך הנמדד בשבועות עבור כל משימה חדשה. אם הווידאו יכול להחליף את המידול הידני הזה, צוואר הבקבוק בהוראת רובוטים מיומנויות חדשות עובר מעבודה הנדסית לזמינות של קטעי הדגמה, שהם למעשה בלתי מוגבלים באינטרנט.
מה הופך וידאו-ל-Sim-to-Real שונה
רוב צינורות הלמידה של הרובוטים בתעשייה משתמשים באחד משני מסלולים: הפעלה טלפונית, שבה בני אדם מדגימים ידנית משימות שהרובוט מחקה, או אימון סימולציה, שבו מהנדסים בונים ביד סביבות וירטואליות שבהן מדיניות בקרה מתרגלת מיליוני חזרות לפני הפריסה. שניהם עובדים, ושניהם מתקדמים בצורה גרועה - טלאופרציה דורשת עבודה לכל משימה, ומידול סימולציה דורש עבודה לכל סביבה.
ההדגמה של ה-cornhole מכוונת לצוואר הבקבוק השני. בתיאור של DeepMind על הבדיקה, אף מהנדס לא בנה את סביבת הקורנבול: ארגון צרך את הסרטון הגולמי, פירש את הפריסה המרחבית של הסצנה, עיצב את מסלולי המפרקים של כל הגוף שהזריקה נדרשה וכתב את קוד הסימולציה עצמו. התפקיד האנושי בלופ הצטמצם, למעשה, כך שפעם אחת צילם מישהו שמשחק את המשחק.
Cornhole הוא מקרה מבחן שנבחר היטב בכוונה. זה נראה טריוויאלי, אבל הנחיתה של פוף על מטרה מוגבהת דורשת בדיוק את השילוב של רובוטים דמויי אדם שקשה להם: איזון יציב של כל הגוף במהלך ההנפה, דינמיקה עדינה של הידיים, שחרור מתוזמן וסובלנות לבליסטיקה של קליע רופף. שבע הצלחות רצופות בעולם האמיתי מצביעות על כך שהמדיניות שהועברה הייתה חזקה ולא ברת מזל, אם כי מבחן פנימי יחיד מהווה בסיס ראיות צר.
תוצאות נימוקים מגולמים
לצד הדגמת cornhole, DeepMind בדקה את ארגון על מדד ההגיון הגלום (ERQA), המודד את יכולתו של מודל להגיב על בעיות פיזיות ומרחביות בסביבות תלת מימד. החברה אומרת שארגון השיגה ציון של 87% במדד הייחוס.
חשיבה פיזית ומרחבית נתפסת באופן נרחב כאחד הפערים המפרידים בין מודלים של שפות גבול לבין מערכות שיכולות לפעול בצורה שימושית בעולם הפיזי, וזו הסיבה שמדדים לרובוטיקה כמו ERQA משכו תשומת לב גוברת מהמעבדות הגדולות.
חלק מהשקת Gemini 4 ארגון הרחבה יותר
עבודת הרובוטיקה היא אפליקציה אחת בהשקה רחבה יותר. גוגל מציבה את Gemini 4 Argon כמודל גבול המשלב חשיבה חזותית-סמנטית, הבנה פיזית ויצירת קוד אוטונומי, המכוון למשימות הנדסיות, מדעיות, קידוד ועסקיות מורכבות. החברה אומרת שהיא כבר השתמשה במודל באופן פנימי בפרויקטים החל מאופטימיזציה של בסיסי קוד תוכנה גדולים ועד למחשוב קוונטי, היתוך גרעיני ומחקר מדעי החיים.
המודל זמין דרך מוצרי הבינה המלאכותית של גוגל וה-API של Gemini, כאשר הדגמת הרובוטיקה מוצגת כראיה להבנה הפיזית של המודל ולא כמוצר משלוח למפעילי רובוטים.
למה זה חשוב עבור התעשייה האנושית
עבור מגזר הרובוטים ההומניאואידים ההולך וגדל - שבו אפטרוניק היא אחד השחקנים הבולטים ביותר - התוצאה מצביעה על הצעת ערך ספציפית לטווח הקרוב: מודלים של AI למטרות כלליות שיכולים להמיר וידאו פסיבי לסימולציות ניתנות לאימון יכולים להוזיל באופן דרמטי את העלות של לימוד רובוטים משימות חדשות, המכשול המרכזי בין ההדגמות המרשימות של היום לבין פריסה שימושית כלכלית בקנה מידה.
המסגור של DeepMind עצמו מדגיש את אותה נקודה. ההדגמה, אומרת החברה, מראה כיצד מודלים לשימוש כללי יכולים להפחית את כמות ההנדסה הידנית הנדרשת כדי ללמד רובוטים מיומנויות פיזיות חדשות.
שבעה זריקות חור לא יזיזו חבילות במחסן. אבל הצינור שיצר אותם - צפה בסרטון, הבן את הפיזיקה, כתיבת הסימולציה, העברה לחומרה - הוא החלק שחברות הרובוטיקה והמשקיעים שלהן יצפו בו.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
