Физический ИИ в «эпохе GPT-2»: разработчики ищут путь к коммерческому успеху роботов

Физический ИИ — одна из самых горячих тем в венчурных инвестициях: компании привлекают миллиарды, чтобы применить инструменты, подарившие нам большие языковые модели, в робототехнике. Этот ажиотаж помог провести крупное IPO китайскому производителю роботов Unitree, чья стоимость после выхода на биржу достигла $66 млрд (~5,28 трлн рублей). Однако на этой неделе дно обвалилось, и компания потеряла почти половину своей стоимости. Аналитики указывают на очевидную проблему: физические возможности роботов растут, но им всё ещё не хватает знаний для выполнения действительно полезной работы.

На конференции Actuate, прошедшей на прошлой неделе и собравшей разработчиков ИИ-мозгов для роботов, энтузиазм был очевиден. Мероприятие выросло втрое с момента запуска в 2023 году и привлекло 1500 участников, по данным организатора, компании Foxglove, помогающей создателям моделей физического ИИ управлять и визуализировать данные. Риски тоже были налицо: табличка на стенде Avala, другого игрока в инфраструктуре физического ИИ, обещала решить «кризис данных в робототехнике».

Этот кризис — нехватка качественных обучающих данных для ИИ-моделей. Попытки создать универсальных роботов, способных выполнять любые задачи, всё ещё далеки от успеха, а сквозное обучение для конкретных задач пока не дало продуктов с надёжными коммерческими характеристиками. Для разработчиков ответ — лучше подражать достижениям передовых ИИ-лабораторий: находить или создавать более разнообразные наборы данных, экспериментировать с режимами обучения и прорабатывать сценарии обучения с подкреплением.

Гарри Мелсоп, сооснователь Antioch, стартапа, создающего инструменты симуляции для разработчиков моделей, предполагает, что физический ИИ находится в своей «эпохе GPT-2» — модели OpenAI, предшествовавшей появлению ChatGPT. Чтобы преодолеть этот этап, потребуется больше данных и вычислений, особенно GPU, оптимизированных для трассировки лучей, которые используются для создания высококачественных симуляций.

Дальше всех продвинулись беспилотные автомобили — отчасти из-за возможности собирать данные с машин, управляемых людьми, а отчасти потому, что их главная задача — избегать столкновений, а не манипулировать физической средой. Многие инструменты для создания моделей пришли из компаний по производству беспилотников; например, Foxglove была основана бывшими сотрудниками Cruise, бывшего проекта беспилотных автомобилей General Motors.

Теперь эти автомобильные компании всё чаще делают ставку на то, что их инвестиции в ML-инструменты позволят им конкурировать с производителями гуманоидных роботов. Tesla уже пытается сделать это со своим роботом Optimus, а теперь и Wayve, специализирующаяся на беспилотниках, и гигант такси Uber запустили лаборатории робототехники, сосредоточенные на гуманоидных формах, в рамках НИОКР.

«Я думаю, начинать нужно с автомобилей... манипуляционная робототехника — это как беспилотное вождение пять лет назад, — рассказал TechCrunch Алекс Кендалл, генеральный директор Wayve. — Инфраструктура данных, симуляция, ML-операции, вероятно, будут общими, но конкретная модель мира для симулятора потребует другого пост-обучения. Общего будет больше, чем различий, но для разных воплощений понадобятся и некоторые отличия».

Кендалл утверждает, что сейчас слишком рано делать ставку на какую-либо одну аппаратную платформу: достижения в области датчиков и других компонентов быстро прогрессируют, и по-настоящему универсальная модель должна быть более агностической. Теофиль Жерве, генеральный директор Genesis AI, вертикально интегрированной компании по производству гуманоидных роботов, привлекшей в этом году $105 млн (~8,4 млрд рублей) на посевном раунде, не согласился, заявив TechCrunch: «Мы слишком рано в этой волне, чтобы стратегия "мозга" сработала; мы считаем, что есть много возможностей для совместного проектирования аппаратного обеспечения и ИИ».

Жерве также затронул другую горячую тему в этом секторе: как именно сфокусировать свой бизнес в области физического ИИ. Компании, нацеленные на конкретные задачи, выводят своих роботов на поле — Gritt строит солнечные фермы, Agility разворачивает роботов в промышленных условиях, а Bedrock управляет экскаваторами автономно. Тем временем универсальные гуманоиды не покидают лаборатории.

«Ни один клиент не заботится об универсальном роботе, который работает с 80% успешностью», — сказал Жерве о дилемме. «Мы видим, что многие другие игроки идут в универсальность, но ценности нет, потому что нет вертикальной направленности... но если вы строите [для узкой] вертикали на основе GPT-2, вас раздавит компания, строящая на GPT-4».

Тем не менее, соблазн инвестировать в конкретную вертикаль велик, поскольку это даёт не только доход, но и данные о реальном развертывании. Хотя данные для конкретных задач могут быть недостаточно разнообразными для продвижения универсальных моделей, они важны для создания робота, приносящего пользу. Кевин Петерсон, технический директор Bedrock, отметил, что его компания только начинает с экскавации, чтобы понять проблемы «манипуляций в дикой природе», но планирует разработать интеллектуальный слой, охватывающий ряд строительных машин.

Управление всеми этими данными — сложная задача, особенно из-за плотности визуальных данных и данных лидара. Foxglove на этой неделе анонсировала новый продукт, построенный на основе открытой модели мира Nvidia Cosmos, который позволяет инженерам искать данные с помощью сложных запросов на естественном языке для создания оценок и симуляций. Цель — ускорить сортировку и отладку, чтобы разработчики моделей могли быстрее итерировать.

Что же станет тем самым легендарным моментом ChatGPT для физического ИИ, который, по недавнему заявлению Сэма Альтмана, наступит через несколько лет? Кендалл указывает, что крупнейшее развертывание роботов в мире — это по-прежнему бытовые роботы-пылесосы. Для него момент ChatGPT — это то, что взволнует потребителей, а не инвесторов, которые, похоже, уже достаточно взволнованы.

«Одним из примеров было бы, когда вы получаете автономное вождение без контроля водителя за менее чем $1000 (~80 000 рублей) аппаратного обеспечения в автомобиле», — говорит Кендалл; не случайно его компания лицензирует модели автопроизводителям, чтобы добиться именно этого. И этот бизнес, который он считает возможностью на миллиарды долларов, позволит им создать по-настоящему универсальную воплощённую модель ИИ.

Для Жерве момент, когда физический ИИ станет реальным, — это «манипуляции, которые просто работают из коробки. Вы можете говорить с роботом на естественном языке, и он выполняет любую базовую задачу манипуляции, например, толкание, тянутие, закрытие ноутбука, уборку стола — что угодно, и это работает с определённым уровнем надёжности, скажем, 80% плюс из коробки — это примерно ваш опыт ChatGPT».

Адриан Макнейл, генеральный директор Foxglove, смотрит на этот вопрос немного иначе.

«Момента ChatGPT для робототехники не будет, — рассказал он TechCrunch. — То, что сделало ChatGPT моментом, — это распространение: они прошли путь от нуля до миллиона активных пользователей за неделю... распространение в реальном мире гораздо сложнее. Я был бы очень рад моменту Apple II в робототехнике или моменту IBM PC в робототехнике. Когда я смогу купить домашнего робота, который начнёт делать что-то полезное и весёлое?»