Þó að vélmennafræðingar hafi tekist að fá vélmenni til að gera áhrifamikla hluti eins og parkour í rannsóknarstofunni, hefur það allt verið vandlega skipulagt til að þróast í strangt stjórnað umhverfi. Að láta vélmenni vinna sjálfstætt á heimili þínu er enn nokkuð órólegt, sérstaklega á heimilum með börn og gæludýr. Þar að auki eru hús mismunandi að hönnun og fyrirkomulag herbergja og hluta er enn fjölbreyttara.
Meðal sérfræðinga í vélfærafræði er víða viðurkennt sjónarmið sem kallast „þversögn Moravec“: það sem er erfitt fyrir menn er auðvelt fyrir vélar og það sem er auðvelt fyrir menn er erfitt fyrir vélar. En þökk sé gervigreind (AI), það er að breytast. Vélmenni eru farin að geta sinnt verkefnum eins og að brjóta saman þvott, elda og losa innkaupakörfur sem ekki alls fyrir löngu voru talin næstum ómöguleg fyrir vélmenni að framkvæma.
Samkvæmt nýjasta hefti MIT Technology Review er vélfærafræði sem svið á beygingarpunkti: vélmenni eru að flytja út úr rannsóknarstofunni og inn í milljónir heimila. Vélfærafræði er á barmi eigin hápunkts.
Heimilisvélmenni geta ekki verið of dýr
Vélmenni í fortíðinni voru samheiti við að vera dýr, með mjög flóknum gerðum sem kostuðu hundruð þúsunda dollara, sem gerir þær óviðráðanlegar fyrir flestar fjölskyldur. Til dæmis, PR2, ein af elstu endurtekningum á heimilisvélmenni, vó 200 kíló og kostaði $400,000 USD.
Sem betur fer er ný kynslóð ódýrari vélmenna smám saman að koma fram. Stretch3, nýtt heimilisvélmenni þróað af bandaríska sprotafyrirtækinu HelloRobot, er mun sanngjarnara verð á $24.950 og vegur 24,5 kíló. Hann er með lítinn farsímabotn, stýripinna sem myndavél hangir upp úr, stillanlegur armur og festing með sogskál á endanum sem stjórnandi getur stjórnað.
Á sama tíma hefur hópur vísindamanna við Stanford háskólann í Bandaríkjunum byggt upp kerfi sem kallast MobileALOHA (Low-Cost Open Source Hardware for Remote Operation) sem gerir vélmenni kleift að læra að elda rækjur með hjálp aðeins 20 gagna, þar á meðal manna sýnikennslu. Teymið notaði hilluna íhluti til að smíða hagkvæmara vélmenni, þó það hafi líka kostað tugi þúsunda dollara, en fyrri svipaðar gerðir gætu auðveldlega kostað hundruð þúsunda dollara.
gervigreind byggir upp „alhliða vélmennaheila“
Það sem skilur þessi nýju vélmenni frá "forverum" þeirra er í raun hugbúnaður þeirra. Þökk sé gervigreindaruppsveiflunni er áhersla tækninnar nú að færast frá dýrum vélmennum sem ná líkamlegri handlagni yfir í taugakerfi sem byggja upp „alhliða vélmennaheila“.
Vélfærafræðisérfræðingar nota djúpt nám og taugakerfi til að búa til „heila“ kerfi sem geta lært af umhverfinu og stillt hegðun vélmenna í samræmi við það í forritum, frekar en hefðbundna vandlega skipulagningu og nákvæma þjálfun.
Sumarið 2023 kynnti Google RT-2, sjón-verbal-action líkan sem öðlast almennan skilning á heiminum með texta og myndum á netinu sem notaðar eru til þjálfunar, sem og eigin samskiptum þess, og þýðir að gögn inn í vélfæraaðgerðir.
Toyota rannsóknarstofnunin, Kólumbíuháskólinn og MIT teymið hafa þegar verið að kenna vélmenni mörg ný verkefni fljótt með hjálp gervigreindarnámstækni sem kallast eftirlíkingarnám auk kynslóðar gervigreindar. Þessi nálgun mun ýta undir útvíkkun kynslóðar gervigreindartækni frá sviði texta, mynda og myndbanda yfir í svið vélmennahreyfinga.
Covariant, sprotafyrirtæki sem spratt upp úr vélfærafræðirannsóknardeild OpenAI sem nú er lokuð, byggði í staðinn fjölþætt líkan, RFM-1, sem tekur við vísbendingum frá texta, myndum, myndböndum og vélmennaskipunum. Generative AI gerir vélmenni kleift að skilja leiðbeiningar og búa til myndir eða myndbönd sem tengjast þessum verkefnum.
Meiri gögn gefa af sér betri vélmenni
Kraftur stórra gervigreindarlíkana eins og GPT-4 felst í því að safna miklu magni af gögnum af internetinu, en þetta á ekki við um vélmenni, sem þurfa gögnum sem er safnað sérstaklega fyrir þau. Þeir þurfa líkamlega sýnikennslu um hvernig á að opna þvottavélar og ísskápa, taka upp disk eða brjóta saman þvott. Núna eru þessi gögn mjög af skornum skammti og tekur langan tíma að safna þeim.
Google Deep Mind hefur hleypt af stokkunum nýju forriti sem kallast Open Source X-Embodiment Collaboration til að breyta því. Á síðasta ári var fyrirtækið í samstarfi við um 150 vísindamenn í 34 rannsóknarstofum til að safna gögnum frá 22 mismunandi vélmennum, þar á meðal HelloRobot's Stretch 3. Gagnapakkningin sem afleidd er, sem verður gefin út í október 2023, mun innihalda 527 af færni vélmennisins, svo sem að tína, ýta , og flytja.
Það er líka til vélmenni sem kallast RT-X, sem rannsakendur hafa smíðað sérstaklega fyrir tvær útgáfur af líkaninu, sem hægt er að keyra bæði á staðnum á tölvum í ýmsum rannsóknarstofum og aðgengilegt á vefnum.
Stærra, vefaðgengilega líkanið var forþjálfað með internetgögnum til að þróa "sjónræn skynsemi" úr stórum tungumála- og myndlíkönum. Þegar vísindamenn keyra RT-X líkanið á mörgum mismunandi vélmennum komast þeir að því að slík vélmenni eru 50% farsælli í að læra færni en kerfi sem þróuð eru sjálfstætt í hverri rannsóknarstofu.
Í stuttu máli eru það meiri gögn sem gera snjallari vélmenni.