Marc Raibert, pendiri dan ketua Dinamika Bostonmemberi dunia kebun dari mesin berkaki dua dan empat yang mampu menjatuhkan rahang Parkourmenular Rutinitas taridan rajin Tumpukan rak.
Raibert sekarang mencari untuk memimpin revolusi dalam intelijen robot serta akrobat. Dan dia mengatakan bahwa kemajuan baru -baru ini Pembelajaran Mesin telah mempercepat kemampuan robotnya untuk belajar bagaimana melakukan gerakan sulit tanpa bantuan manusia. “Harapannya adalah bahwa kita akan dapat menghasilkan banyak perilaku tanpa harus kerajinan semua yang dilakukan robot,” kata Raibert kepada saya baru -baru ini.
Boston Dynamics mungkin telah memelopori robot berkaki, tetapi sekarang menjadi bagian dari sekelompok perusahaan yang ramai yang menawarkan anjing robot dan humanoids. Hanya minggu ini, startup yang disebut figur memamerkan a humanoid baru yang disebut helix, yang tampaknya dapat membongkar bahan makanan. Perusahaan lain, X1, memamerkan humanoid yang tampak berotot yang disebut neo gamma Melakukan tugas di sekitar rumah. Yang ketiga, Apptronik, mengatakan berencana untuk meningkatkan manufaktur Humanoid -nya, bernama Apollo. Demo bisa menyesatkan. Juga, beberapa perusahaan mengungkapkan berapa biaya humanoids mereka, dan tidak jelas berapa banyak dari mereka yang benar -benar berharap untuk menjualnya sebagai pembantu rumah.
Tes nyata untuk robot -robot ini adalah seberapa banyak yang dapat mereka lakukan independen dari pemrograman manusia dan kontrol langsung. Dan itu akan tergantung pada kemajuan seperti yang dikuasai Raibert. November lalu saya menulis tentang Upaya untuk menciptakan jenis model yang sama sekali baru untuk mengendalikan robot. Jika pekerjaan itu mulai berbuah, kita mungkin melihat humanoids dan empat kali lipat maju lebih cepat.
Boston Dynamics ‘Spot RL Sim beraksi. Kredit: Boston Dynamics
Boston Dynamics menjual robot berkaki empat yang disebut Titik Itu digunakan pada rig minyak, lokasi konstruksi, dan tempat -tempat lain di mana roda berjuang dengan medan. Perusahaan juga membuat humanoid bernama Atlas untuk penelitian. Raibert mengatakan Boston Dynamics menggunakan Teknik Kecerdasan Buatan Disebut Penguatan Pembelajaran untuk meningkatkan kemampuan Spot untuk berlari, sehingga bergerak tiga kali lebih cepat. Metode yang sama juga membantu Atlas berjalan lebih percaya diri, kata Raibert.
Pembelajaran penguatan adalah cara yang sudah lama memiliki komputer Belajar melakukan sesuatu melalui eksperimen dikombinasikan dengan umpan balik positif atau negatif. Itu datang ke depan dekade terakhir saat Google DeepMind menunjukkan Ini dapat menghasilkan algoritma yang mampu melakukan strategi dan gameplay super. Baru -baru ini, insinyur AI telah menggunakan teknik ini untuk mendapatkan model bahasa besar untuk berperilaku.
Raibert mengatakan simulasi baru yang sangat akurat telah mempercepat apa yang bisa menjadi proses pembelajaran yang sulit dengan memungkinkan robot untuk mempraktikkan gerakan mereka di Silico. “Anda tidak harus mendapatkan perilaku fisik sebanyak -banyaknya dari robot [to generate] kinerja yang baik, ”katanya.
Beberapa kelompok akademik telah menerbitkan karya yang menunjukkan bagaimana pembelajaran penguatan dapat digunakan untuk meningkatkan penggerak berkaki. Tim di UC Berkeley menggunakan pendekatan Latih humanoid untuk berjalan di sekitar kampus mereka. Kelompok lain di ETH Zurich menggunakan metode ini Panduan berkaki empat di tanah berbahaya.
Boston Dynamics telah membangun robot berkaki selama beberapa dekade, berdasarkan wawasan perintis Raibert tentang bagaimana hewan keseimbangan secara dinamis menggunakan jenis kontrol tingkat rendah yang disediakan oleh sistem saraf mereka. Namun, yang gesit seperti mesin perusahaan adalah perilaku yang lebih maju, termasuk menari, melakukan parkour, dan hanya menavigasi di sekitar ruangan, biasanya memerlukan pemrograman yang cermat atau semacam kendali jarak jauh manusia.
Pada 2024 Raibert mendirikan Institut Robotika dan AI (RAI) untuk mengeksplorasi cara meningkatkan kecerdasan berkaki dan robot lainnya sehingga mereka dapat melakukan lebih banyak sendiri. Sementara kami menunggu robot untuk benar -benar belajar bagaimana melakukan hidangan, AI harus membuat mereka kurang rentan kecelakaan. “Anda memecahkan lebih sedikit robot ketika Anda benar -benar datang untuk menjalankan benda itu di mesin fisik,” kata Al Rizzi, chief technology officer di RAI Institute.
Apa yang Anda buat dari banyak robot humanoid yang sekarang sedang dibawakan? Jenis tugas apa yang menurut Anda harus mereka lakukan? Tuliskan kepada kami di hello@wired.com atau komentar di bawah ini.
