Фізичний ШІ (Physical AI) — один із найпопулярніших напрямків венчурних інвестицій. Компанії залучають мільярди, щоб застосувати інструменти, які забезпечили великі мовні моделі, до робототехніки.
Цей ажіотаж сприяв успішному IPO компанії Unitree, провідного китайського виробника роботів. Після виходу на китайський аналог Nasdaq її оцінили в 66 мільярдів доларів. Однак цього тижня оцінка компанії різко впала майже вдвічі. Аналітики вказують на очевидну проблему: хоча фізичні можливості роботів покращуються, їм все ще бракує знань для виконання роботи, що створює цінність.
На минулотижневій конференції Actuate, що зібрала розробників ШІ-«мозків» для роботів, панував явний ентузіазм. Захід зріс удвічі з моменту свого запуску у 2023 році та зібрав 1500 учасників, за даними організатора — компанії Foxglove, яка допомагає розробникам моделей фізичного ШІ керувати своїми даними та візуалізувати їх.
Ризики також були очевидними: на стенді Avala, іншого гравця у сфері інфраструктури фізичного ШІ, було написано: «Вирішуємо кризу даних у робототехніці».
Ця криза полягає у відсутності високоякісних навчальних даних для моделей ШІ. Спроби створити універсальних роботів, здатних виконувати будь-які завдання, ще далекі від реалізації, а наскрізне навчання для конкретних завдань ще не призвело до появи продуктів із надійною комерційною продуктивністю. Для розробників вихід полягає в кращому наслідуванні досягнень передових ШІ-лабораторій: пошук або створення більш різноманітних наборів даних, експерименти з різними режимами навчання та розробка кращих сценаріїв навчання з підкріпленням.
Гаррі Мелсоп, засновник Antioch, стартапу, що розробляє інструменти симуляції для розробників моделей, вважає, що фізичний ШІ перебуває на етапі «GPT-2», попередника ChatGPT від OpenAI. Для подолання цього бар’єру знадобиться більше даних і обчислювальних потужностей, зокрема GPU, оптимізовані для трасування променів, які використовуються для створення високоточних симуляцій.
Найбільш успішними є автономні транспортні засоби, частково завдяки можливості збирати релевантні дані з автомобілів, керованих людьми, і частково тому, що головне завдання — уникнути зіткнень, а не взаємодіяти з фізичним середовищем. Значна частина інструментарію для розробки моделей надходить від компаній, що займаються автономними транспортними засобами; Foxglove, наприклад, була заснована колишніми співробітниками Cruise, підрозділу General Motors, що займався безпілотним керуванням.
І тепер ці автомобільні компанії все частіше роблять ставку на те, що їхні інвестиції в інструменти машинного навчання дозволять їм конкурувати з виробниками людиноподібних роботів. Tesla вже пробує це зі своїм роботом Optimus, а тепер компанії Wayve (що спеціалізується на автономних транспортних засобах) і гігант райдшерингу Uber запустили робототехнічні лабораторії, зосереджені на людиноподібних формах як напрямках досліджень та розробок.
«Я вважаю, що потрібно починати з транспортних засобів… роботизована маніпуляція схожа на безпілотне керування п’ять років тому, — сказав Алекс Кендалл, CEO Wayve, в інтерв’ю TechCrunch. — Інфраструктура даних, симуляція, ML Ops інфраструктура, ймовірно, будуть спільними, але конкретна світова модель для симулятора буде відрізнятися після тренування. Буде набагато більше спільного, ніж відмінного, але потім знадобляться деякі відмінності для різних втілень».
Кендалл стверджує, що ще занадто рано робити ставку на будь-яку конкретну апаратну платформу, оскільки вдосконалення датчиків та інших компонентів відбувається швидко, і справді загальна модель повинна бути більш універсальною.
Теофіль Жерве, CEO Genesis AI, вертикально інтегрованої компанії з виробництва людиноподібних роботів, яка цього року залучила 105 мільйонів доларів посівного фінансування, не погодився, заявивши TechCrunch: «Ми ще занадто рано в цій хвилі для того, щоб стратегія «мозку» працювала; наша думка полягає в тому, що є багато можливостей для спільного проектування апаратного забезпечення та ШІ».
Жерве також торкнувся іншої актуальної теми в секторі: як саме фокусувати бізнес фізичного ШІ. Робототехнічні компанії, що націлені на конкретні завдання, виводять своїх роботів у поле: Gritt будує сонячні ферми, Agility розгортає роботів у промислових умовах, а Bedrock автономно керує екскаваторами. Тим часом універсальні людиноподібні роботи ще не вийшли з лабораторій.
«Жоден клієнт не дбає про універсального робота, який працює з 80% успіхом, — зазначив Жерве щодо дилеми. — Ми бачимо, як багато інших гравців йдуть загальним шляхом, але цінності це не створює, тому що немає вертикальної спеціалізації… але тоді, якщо ви будуєте [для вузької] вертикалі на базі GPT-2, вас знищить компанія, що будує на базі GPT-4».
Зваба інвестувати в конкретну вертикаль є спокусливою, оскільки вона забезпечує не лише дохід, а й дані про розгортання в реальному світі. Хоча дані для конкретних завдань можуть бути недостатньо різноманітними для розвитку універсальних моделей, вони важливі для створення робота, що приносить користь. Технічний директор Bedrock Кевін Петерсон зазначив, що його компанія тільки почала роботу з екскаваторами, щоб зрозуміти виклики «маніпуляції в диких умовах», але планує розробити інтелектуальний шар, який охоплюватиме низку будівельних машин.
Керування всіма цими даними є викликом, особливо враховуючи щільність візуальних даних та даних LiDAR. Foxglove анонсувала новий продукт цього тижня, побудований на основі відкритої світової моделі Cosmos від Nvidia, яка дозволяє інженерам шукати ці дані за допомогою складних запитів природною мовою для створення оцінок та симуляцій. Мета — прискорити сортування та налагодження, щоб розробники моделей могли швидше ітерувати.
То що ж стане тим славетним моментом, подібним до ChatGPT, для фізичного ШІ, про який, як нещодавно заявив Сем Альтман, залишилося лише кілька років? Кендалл зазначає, що найбільше розгортання роботів у світі — це досі побутові роботи-пилососи. Для нього момент, подібний до ChatGPT, — це те, що захопить споживачів, а не інвесторів, які, здається, вже цілком захоплені.
«Один із прикладів — це коли ми отримаємо автономність без нагляду за менш ніж 1000 доларів [вартості обладнання] в автомобілі», — каже Кендалл. Його компанія, що не випадково, ліцензує моделі автовиробникам, щоб досягти саме цього. І цей бізнес, який він вважає багатомільярдною можливістю, дозволить створити справді загальну втілену модель ШІ.
Для Жерве моментом, коли фізичний ШІ стане реальністю, буде «маніпуляція, яка просто працює з коробки. Ви можете розмовляти з роботом природною мовою, і він виконає будь-яке базове маніпуляційне завдання, таке як штовхання, тягнення, закривання ноутбука, прибирання столу — все, що ви захочете, і це працюватиме з певним рівнем надійності, скажімо, понад 80% з коробки — це приблизно ваш досвід роботи з ChatGPT».
Едріан Макнейл, CEO Foxglove, дивиться на це питання дещо інакше.
«Не буде такого моменту, як ChatGPT, для робототехніки, — сказав він TechCrunch. — Те, що зробило ChatGPT таким моментом, — це дистрибуція — вони перейшли від нуля до мільйона активних користувачів приблизно за тиждень… розповсюдження в реальному світі набагато складніше, чи не так? Я був би дуже радий моменту, подібному до Apple II або IBM PC в робототехніці. Коли я зможу купити домашнього робота, який почне робити щось корисне та цікаве?»
Інформація підготовлена на основі матеріалів: techcrunch.com