OpenAI розпустила команду робототехніки — управляти роботами буде універсальний GPT

OpenAI розформувала своє окреме підрозділ з робототехніки, пояснивши цей крок зміною концепції. За словами представника OpenAI, компанія не відмовляється від мети створення роботів загального призначення, однак не бачить необхідності в розробці вузькоспеціалізованих ШІ-моделей, призначених лише для роботів, оскільки універсальні моделі цілком можуть виконувати ці функції.

Джерело зображення: Steve A Johnson/unsplash.com

За словами представника OpenAI, універсальна модель GPT-6 Astra продемонструвала несподівані успіхи у виконанні окремих робототехнічних завдань. Тим часом ще на початку року дослідники компанії припускали, що розвиток цього напрямку буде спиратися на напрацювання відеогенератора Sora, здатного моделювати фізичний світ.

Але згодом з'ясувалося, що універсальні передові моделі OpenAI можна безпосередньо застосовувати в робототехніці. Саме тому окрема команда з робототехніки була розформована, а фахівців, які в ній працювали, перевели в групи, що займаються більш універсальними моделями ШІ.

Дослідницька група з робототехніки увійшла до складу основного дослідницького підрозділу під керівництвом директора з досліджень Марка Чена (Mark Chen), а фахівці з прикладної робототехніки та апаратного забезпечення були переведені до підрозділу прикладних розробок, який підпорядковується президенту OpenAI Грегу Брокману (Greg Brockman).

Такий підхід може поставити під сумнів ставку багатьох робототехнічних стартапів на спеціалізовані моделі, що мають «просторовий інтелект». Однак практичний досвід експлуатації роботів і зібрані в реальних умовах дані зберігають самостійну цінність.

Расс Тедрейк (Russ Tedrake), співзасновник і генеральний директор компанії Walden Robotics, зазначив, що у робототехнічних компаній є перевага, якої немає у ШІ-лабораторій: їх роботи вже отримують практичний досвід роботи в реальних умовах — наприклад, у заводських цехах.

За його словами, більш досконалі базові моделі підвищують цінність специфічних для конкретного об'єкта даних, оскільки дозволяють роботам швидше на них навчатися.

Універсальні моделі вже намагаються використовувати для управління роботами без додаткового навчання на робототехнічних даних. У таких експериментах модель отримує зображення з камер, відомості про робота та доступ до інтерфейсу, через який може віддавати йому команди.

У дослідженні Nvidia агент на базі GPT-6 Astra успішно виконав 74,8 % завдань на маніпулювання предметами. Для порівняння, найкращий опублікований результат спеціалізованих робототехнічних моделей у тому ж рейтингу становив 51 %. Однак випробування проходили в симуляції: модель керувала віртуальним роботом, тому переносити ці результати на реальні пристрої поки що не можна.

У великих універсальних моделей є й обмеження: обробка запитів займає час, а використання хмарного сервісу вимагає постійного підключення до мережі. Тому Гуанья Ши (Guanya Shi), доцент Інституту робототехніки Університету Карнегі — Меллона, вважає, що компактні спеціалізовані моделі все ще потрібні — вони можуть працювати безпосередньо на бортовому комп'ютері робота.

Який підхід виявиться успішнішим у довгостроковій перспективі, поки неясно, зазначив Піт Флоренс (Pete Florence), співзасновник стартапу Generalist, що розробляє універсальні ШІ-моделі для роботів.

Хочеш дізнатися більше — читай відгуки