Индустрия физического ИИ переживает период бурного роста инвестиций, но технологический прогресс пока не поспевает за финансовым ажиотажем. Несмотря на успешное IPO китайской компании Unitree, оценка которой достигала $66 млрд, рынок столкнулся с резкой коррекцией. Аналитики связывают это с тем, что физические возможности роботов растут, но им все еще не хватает навыков для выполнения реально полезной коммерческой работы.
Кризис данных и уровень GPT-2
Разработчики «мозгов» для роботов сейчас находятся в ситуации, которую стартап Antioch сравнивает с эпохой GPT-2 — периодом, предшествовавшим появлению ChatGPT. Основным препятствием стал «кризис данных»: для создания универсальных роботов катастрофически не хватает высококачественных обучающих наборов. Попытки использовать сквозное обучение (end-to-end learning) для конкретных задач пока не приносят коммерчески надежных результатов.
Для преодоления этого барьера компаниям требуются новые подходы: создание разнообразных датасетов, новые режимы обучения и развитие сценариев обучения с подкреплением. Также критически важны вычислительные мощности, особенно GPU с оптимизацией под трассировку лучей, которые необходимы для создания высокоточных симуляций.
Специализация против универсальности
В индустрии наметился раскол в стратегиях развития. Компании, ориентированные на узкие вертикали, уже внедряют продукты в реальный сектор: Gritt работает на солнечных фермах, Agility — в промышленности, а Bedrock — в автоматизированной экскавации. Такие решения приносят доход и дают ценные данные из реального мира.
В то же время разработчики универсальных гуманоидных роботов пока остаются в лабораториях. Как отмечает президент Genesis AI Теофиль Жерве, клиентам не нужны роботы общего назначения с эффективностью 80%. Однако существует риск: если компания строит узкоспециализированного робота на базе технологий уровня GPT-2, ее может вытеснить игрок, создающий решение на базе уровня GPT-4.
Будущее: от беспилотников к домашним помощникам
Наибольший прогресс сейчас наблюдается в сфере автономного вождения. Компании вроде Wayve и Uber уже запускают лаборатории по разработке гуманоидных роботов, используя наработки в области машинного обучения для беспилотников. По мнению CEO Wayve Алекса Кендалла, инфраструктура данных и симуляций будет общей, но модели мира для разных типов роботов будут различаться.
Что станет «моментом ChatGPT» для робототехники, эксперты видят по-разному. Для одних это будет надежная манипуляция предметами (открывание ноутбука или уборка стола) с точностью выше 80%. Для других — появление доступных потребительских устройств, подобных Apple II или IBM PC, которые принесут полезную и интересную функцию в каждый дом.