차세대 사이버 서번트! 이 로봇은 모든 종류의 집안일을 도와줄 것입니다

'손을 떼는 가게 주인'이 되어 집안일을 모두 살림 로봇에게 맡기고 싶은 생각을 해본 적이 있는지 모르겠습니다. 솔직히 SF 작품에서 흔히 볼 수 있는 장면이다.

결국, 열심히 일하는 " 사이버 하인 "을 갖고 싶지 않은 사람이 어디 있겠습니까?

샌프란시스코의 스타트업 회사인 Physical Intelligence(Pi) 는 사람들이 이 꿈을 실현할 수 있도록 돕기 위해 노력하고 있습니다. 이 회사는 최근 "전례 없는 양의 데이터에 대해 훈련"되고 다양한 유용한 가사 작업을 수행하는 방법을 학습한 인공 지능 모델을 시연했습니다.

Physical Intelligence가 공개한 비디오는 로봇이 다음을 포함하되 이에 국한되지 않는 다양한 가사 작업을 매우 능숙하게 수행할 수 있음을 보여줍니다. 컵과 접시로 가득 찬 테이블 정리:

가방에 있는 커피 원두를 머신에 퍼 넣으세요.

상자도 조립할 수 있습니다.

가장 인상적인 점은 건조기에서 세탁물을 꺼내 깔끔하게 접을 수 있다는 점 이다. 두 개의 로봇 팔은 인간의 손과 같으며 능숙하게 함께 작동합니다.

흥미롭게도 회사에서 개발한 알고리즘은 티셔츠와 반바지를 흔들어 평평하게 펴는 등 인간과 유사한 특성을 가끔 보여줍니다.

Physical Intelligence의 CEO인 Hausman은 로봇의 경우 옷을 접는 것이 특히 어려운 일이며, 예측할 수 없을 정도로 변형되고 주름질 수 있는 다양한 물체를 처리해야 하기 때문에 물리적 세계에 대한 보다 일반적인 지능이 필요하다고 지적합니다.

그는 또한 현재 알고리즘이 그다지 안정적이지 않다고 말했습니다. AI 챗봇이 때때로 " 붕괴 "되는 것처럼, 이러한 "집안일 로봇"은 때때로 놀라운 일을 수행합니다. 예를 들어 더 이상 들어갈 수 없는 상자에 계란을 채우고 무언가를 적재하는 동안 상자를 강제로 닫습니다. 로봇이 갑자기 상자를 탁자 위로 던졌습니다.

아직 알고리즘이 완벽하지는 않지만 물리적 지능은 적어도 미래의 ' 만능 가사 로봇 '에 대한 가능성을 제공합니다.

그러나 오스만의 야망은 그 이상이었습니다. "가사"는 용도 중 하나일 뿐이며 " 보편적 "은 회사의 야망입니다.

우리의 목표는 기본적으로 모든 응용 분야에서 모든 로봇이나 물리적 장치에 전력을 공급할 수 있는 범용 모델을 통해 인공 지능을 물리적 세계에 도입하는 것입니다.

즉, 물리지능의 목표는 LLM(Large Language Model)과 유사한 물리적 세계의 모델 , 즉 ' 일반 인공지능 모델 '을 만드는 것이다.

그들은 언어 모델을 구축하는 기술과 기계를 제어하고 안내하는 자체 방법을 결합하며, 이를 위해 대량의 로봇 데이터를 훈련합니다. Hausman은 그들의 접근 방식이 " 매우 일반적 "이며 사람들이 언어 모델을 훈련하는 방법과 유사하게 다양한 로봇 유형의 데이터를 훈련할 수 있다고 말했습니다.

이 회사는 지난 8개월 동안 π0(pi-zero)라는 "기본 모델"을 개발해 왔습니다. π0는 다양한 집안일을 수행하는 다양한 로봇의 데이터를 사용하여 훈련되며, 회사에서는 필요한 교육을 제공하기 위해 인간이 원격으로 로봇을 작동시키는 경우도 많습니다.

Physical Intelligence의 공동 창립자 중 한 명이자 버클리 캘리포니아 대학의 부교수인 Sergey Levine은 그들이 훈련한 데이터의 양이 이전의 어떤 로봇 모델보다 훨씬 많았으며 그 규모가 "매우 컸습니다." 라고 말했습니다. "

휴머노이드 로봇 제작에 주력하는 Figure AI, Tesla 등의 회사나 범용 로봇 소프트웨어를 개발하는 Covariant와 같은 회사와 달리 Pi는 광범위한 로봇 하드웨어에 적용할 수 있는 소프트웨어를 만드는 것을 목표로 합니다.

이에 대해 유명한 기술 투자자이자 Pi의 공동 창업자 중 한 명인 Lachy Groom은 "인간을 흥미롭게 만드는 것은 하드웨어가 아니라 두뇌입니다. 우리는 궁극적인 보편주의자 입니다"라고 말했습니다.

물리 지능의 주요 과제는 대규모 언어 모델 훈련에서 사용할 수 있는 텍스트 데이터에 비해 훈련에 사용되는 로봇 데이터의 규모가 제한적 이라는 것입니다.

따라서 기업은 자체 데이터를 생성하고 보다 제한된 데이터 세트로부터 학습을 개선할 수 있는 기술을 고안해야 합니다.

실제로 회사는 π0을 개발하기 위해 소위 시각적 언어 모델 (이미지와 텍스트로 훈련됨)과 확산 모델링 (AI 이미지 생성에서 차용한 기술)을 결합하여 보다 일반적인 학습을 달성했습니다.

모든 것은 ' 보편성 '을 추구하고 있다.

물리 지능의 현재 상태와 미래에 대해 Levine의 견해는 다음과 같습니다.

인간이 요청하는 집안일을 로봇이 수행할 수 있으려면 이러한 학습 규모가 크게 확장되어야 합니다. 아직 갈 길이 멀지만, 앞으로 다가올 일을 볼 수 있는 기본 틀이라고 생각할 수 있는 것이 있습니다.

그러나 동시에 Levine은 Pi 개발에 자신감을 갖고 있습니다. 그는 현실 세계에서 로봇을 사용하는 데 가장 큰 장애물이 " 이제 해결될 수 있다 "는 징후가 충분하다고 말했습니다.

# Aifaner: Aifaner(WeChat ID: ifanr)의 공식 WeChat 공개 계정을 팔로우하신 것을 환영합니다. 더 흥미로운 콘텐츠가 최대한 빨리 제공될 예정입니다.

Ai Faner | 원본 링크 · 댓글 보기 · Sina Weibo