Um robô de quatro patas que continua rastejando mesmo depois que todas as quatro pernas foram invadidas com uma serra elétrica é o materials de pesadelos para a maioria das pessoas.
Para Deepak Pathak, co -fundador e CEO da startup Skild AI, o feito distópico da adaptação é um sinal encorajador de um novo tipo de inteligência robótica mais geral.
“Isso é algo que chamamos de cérebro omni”, diz Pathak. Sua startup desenvolveu o algoritmo de inteligência synthetic generalista para enfrentar um desafio importante com o avanço da robótica: “Qualquer robô, qualquer tarefa, um cérebro. É absurdamente geral”.
Muitos pesquisadores acreditam que os modelos de IA usados para controlar os robôs podem experimentar um salto profundo, semelhante ao que produzia modelos de idiomas e chatbots, se dados de treinamento suficientes puderem ser coletados.
Os métodos existentes para treinar modelos de IA robótica, como ter algoritmos aprendendo a controlar um sistema específico através da teleoperação ou da simulação, não geram dados suficientes, diz Pathak.
A abordagem de Skild é que um único algoritmo aprenda a controlar um grande número de robôs físicos diferentes em uma ampla gama de tarefas. Com o tempo, isso produz um modelo que a empresa chama de Skild Mind, com uma capacidade mais geral de se adaptar a diferentes formas físicas – incluindo as que nunca viu antes. Os pesquisadores criaram uma versão menor do modelo, chamada LOCOFORMER, para um artigo acadêmico descrevendo sua abordagem.
O modelo também foi projetado para se adaptar rapidamente a uma nova situação, como a perna faltando ou o novo terreno traiçoeiro, descobrindo como aplicar o que aprendeu à sua nova situação. Pathak compara a abordagem com a maneira como os grandes modelos de linguagem podem assumir problemas particularmente desafiadores, dividindo-a e alimentando suas deliberações de volta à sua própria janela de contexto-uma abordagem conhecida como aprendizado no contexto.
Outras empresas, incluindo o Toyota Analysis Institute e uma startup rival chamada Bodily Intelligence, também estão correndo para desenvolver modelos de IA de Robotic mais capazes. O SKILD é incomum, no entanto, na maneira como é a criação de modelos que generalizam em tantos tipos diferentes de {hardware}.
Em um experimento, a equipe do Skild treinou seu algoritmo para controlar um grande número de robôs a pé de diferentes formas. Quando o algoritmo foi executado em robôs reais de duas e quatro pernas- os sistemas não incluídos nos dados de treinamento- ele conseguiu controlar seus movimentos e fazê-los andar por aí.
A certa altura, a equipe descobriu que um robô de quatro patas que administra o cérebro omni da empresa se adaptará rapidamente quando for colocado em suas patas traseiras. Por sentir o chão sob suas patas traseiras, o algoritmo opera o cachorro do robô como se fosse um humanóide, passando -o nas patas traseiras.
O algoritmo generalista também pode adaptar mudanças extremas à forma de um robô – quando, por exemplo, suas pernas foram amarradas, cortadas ou modificadas para se tornar mais longas. A equipe também tentou desativar dois dos motores em um robô quadrúpede com rodas e pernas. O robô foi capaz de se adaptar equilibrando duas rodas como uma bicicleta instável.
Skild está testando a mesma abordagem para manipulação de robôs. Ele treinou o cérebro Skild em uma variedade de braços de robô simulado e descobriu que o modelo resultante poderia controlar o {hardware} desconhecido e se adaptar a mudanças repentinas em seu ambiente, como uma redução na iluminação. A startup já está trabalhando com algumas empresas que usam robôs Arms, diz Pathak. Em 2024, a empresa levantou US $ 300 milhões em uma rodada que avaliava a empresa em US $ 1,5 bilhão.
Pathak diz que os resultados podem parecer assustadores para alguns, mas para ele eles mostram as faíscas de uma espécie de superinteligência física para os robôs. “É tão emocionante para mim pessoalmente, cara”, diz ele.
O que você acha do robô multitalentoso do Skild? Envie um e -mail para ailab@wired.com para me avisar.
Esta é uma edição de Will Knight’s Publication de laboratório da AI. Leia boletins anteriores aqui.
