Em post publicado na semana passada, metapergunta, "Onde estão os robôs?" A resposta é simples. Estão aqui. Você apenas tem que saber onde procurar. Deixando de lado a conversa sobre carros e assistência ao motorista e nos concentrando em coisas que todos tendemos a concordar são robôs. Para começar, essa entrega da Amazon não chega até você sem assistência robótica.
Uma pergunta mais pertinente seria: Por que não há mais robôs? E mais especificamente, por que não há mais robôs em minha casa agora? É uma questão complexa com muitas nuances, muitas das quais se resumem ao estado atual das limitações de hardware em torno do conceito de um robô de "uso geral". Roomba é um robô. Existem muitos Roombas no mundo, e isso ocorre principalmente porque os Roombas fazem uma coisa certa (uma década extra de P&D ajudou a mudar as coisas de um estado "muito bom").
Não é tanto que a premissa da pergunta seja falha, é mais uma questão de reformulá-la um pouco. "Por que não há mais robôs?" é uma pergunta perfeitamente válida para quem não é um roboticista.
A versão Meta é baseada em software, e isso é justo. Nos últimos anos, houve uma explosão de startups abordando várias categorias importantes, como aprendizado robótico, implantação/gerenciamento e soluções sem código e com pouco código. Menção especial às quase duas décadas de pesquisa e desenvolvimento dedicadas à criação, manutenção e melhoria do ROS (Robot Operating System, open source). Oportunamente, los lìderes de siempre, Open Robotics fueron adquiridos por Alphabet, que ha estado haciendo su propio trabajo en la categoría a través de los esfuerzos locales, Intrinsic y Everyday Robots (aunque se vieron afectados de manera desproporcionada por la reducción de recursos en toda a organização).
Sem dúvida, o Meta/Facebook tem sua própria parcela de projetos skunkworks que surgem de tempos em tempos. Até agora, não vi nada que sugerisse que eles estivessem à altura do que a Alphabet/Google explorou ao longo dos anos, mas é sempre interessante ver alguns desses projetos surgindo. Em um anúncio que eu suspeito fortemente estar relacionado à proliferação de debates sobre IA generativa, a gigante da mídia social compartilhou o que chama de "dois grandes avanços em direção a agentes de IA incorporados de uso geral, capazes de desafiar habilidades sensório-motoras".
Citando diretamente aqui:
Um córtex visual artificial, Cortex Bench (chamado VC-1): Um modelo de percepção único que, pela primeira vez, suporta uma ampla gama de habilidades sensório-motoras, ambientes e encarnações. O VC-1 é treinado em vídeos de pessoas realizando tarefas diárias a partir do conjunto de dados inovador Ego4D criado pela Meta AI e parceiros acadêmicos. E o VC-1 iguala ou supera os resultados mais conhecidos em 17 diferentes tarefas sensório-motoras em ambientes virtuais.
Uma nova abordagem chamada coordenação de habilidade adaptativa (sensomotor) (ASC), que atinge um desempenho quase perfeito (98 por cento de sucesso) na desafiadora tarefa de manipulação robótica móvel (navegar até um objeto, pegá-lo, navegar para outro local, colocar o objeto, repetição) em ambientes físicos.
Imagem: Meta
Pesquisa interessante, com certeza, e empolgante para potencialmente aprofundar um pouco disso. A frase "propósito geral" está sendo muito usada hoje em dia. É um tópico de conversa perpetuamente interessante em robótica, mas tem havido uma proliferação massiva de robôs humanóides de propósito geral saindo da toca na esteira da introdução do robô Tesla. Durante anos, as pessoas disseram coisas como: "Diga o que quiser sobre Musk, mas a Tesla despertou um interesse renovado em veículos elétricos", e é assim que me sinto em relação à Optimus agora. Ele serviu a uma importante função dupla ao renovar a discussão sobre o fator de forma, ao mesmo tempo em que forneceu uma imagem clara para apontar ao explicar como isso é difícil. É possível aumentar dramaticamente as expectativas do público e moderá-las ao mesmo tempo?
Mais uma vez, essas conversas se encaixam perfeitamente com todos esses avanços da GPT. Isso tudo é muito impressionante, mas Rodney Brooks levantou o perigo de misturar as coisas muito bem neste aqui algumas semanas atrás: “Acho que as pessoas estão muito otimistas. Estão confundindo desempenho com competência. Você vê um bom desempenho em um ser humano, você pode dizer no que ele é competente. Somos muito bons em modelar pessoas, mas esses mesmos modelos não se aplicam. Você vê um ótimo desempenho de um desses sistemas, mas não informa como será o desempenho no espaço adjacente ou com dados diferentes."
Imagem: Covariante
Obviamente, isso não impede que a maioria das pessoas em ProMat sobre sua opinião sobre o futuro papel da IA generativa na robótica. As respostas foram amplas: alguns encolhem os ombros, outros veem um papel muito organizado para a tecnologia e outros ainda são extremamente otimistas sobre o que tudo isso significa para o futuro. Peter Chen, CEO da Covariant (que acabou de levantar US$ 75 milhões), ofereceu um contexto interessante quando se trata de IA pervasiva:
Antes do recente ChatGPT, havia muitos AIs de processamento de linguagem natural. Pesquise, traduza, detecção de sentimento, detecção de spam – havia uma tonelada de IA de linguagem natural por aí. A abordagem antes do GPT é, para cada caso de uso, treinar uma IA específica, usando um subconjunto menor de dados.
Olhando para os resultados agora, o GPT remove o campo de tradução e nem consegue traduzir. Basicamente, a abordagem do modelo básico é, em vez de usar pequenas quantidades de dados específicos para uma situação ou treinar um modelo específico para uma circunstância, vamos treinar um grande modelo básico generalizado com muito mais dados, para que a IA seja mais difundida .
Claro, a Covariant está atualmente muito focada em pick and place. Francamente, é um desafio grande o suficiente para mantê-los ocupados por muito tempo. Mas uma das promessas que sistemas como esse oferecem é o treinamento no mundo real. As empresas que realmente têm robôs reais fazendo trabalhos reais no mundo real estão construindo bancos de dados e modelos extremamente poderosos de como as máquinas interagem com o mundo ao seu redor.
Não é difícil ver quantos dos blocos de construção aparentemente díspares que estão sendo fortalecidos por pesquisadores e empresas podem um dia se unir para criar um sistema verdadeiramente de uso geral. Quando o hardware e a IA estiverem nesse nível, haverá um tesouro aparentemente interminável de dados de campo para treiná-los.
No momento, a abordagem da plataforma faz muito sentido. Com o Spot, por exemplo, a Boston Dynamics está efetivamente vendendo aos clientes um modelo de iPhone. Primeiro, produz a primeira geração de uma peça de hardware impressionante. Em seguida, oferece um SDK para as partes interessadas. Se as coisas correrem como planejado, de repente você tem este produto fazendo coisas que sua equipe nunca imaginou. Supondo que isso não envolva a montagem de uma arma na parte de trás do produto (de acordo com as diretrizes da BD), essa é uma proposta empolgante.
Imagem: 1X
É muito cedo para dizer algo definitivo sobre O robô NEO da 1X Technologies, além do fato de que a empresa claramente espera viver exatamente nessa seção transversal entre robótica e IA generativa. Você certamente tem um aliado poderoso no OpenAI. O Startup Fund da gigante de IA generativa liderou uma rodada de US$ 23,5 milhões, que também contou com a participação da Tiger Global, entre outros.
De acordo com o fundador e CEO da 1X, Bernt Øivind Børnich, “a 1X está muito satisfeita por ter a OpenAI liderando esta rodada porque estamos alinhados em nossas missões: integrar cuidadosamente a tecnologia emergente na vida diária das pessoas. Com o apoio de nossos investidores, continuaremos a fazer avanços significativos no campo da robótica e aumentar o mercado de trabalho global."
Uma observação interessante sobre isso (pelo menos para mim) é que o 1X já existe há um minuto. A empresa norueguesa era conhecida como Halodi até sua muito recente (exatamente há um mês) rebranding conciso. Você só precisa voltar um ou dois anos para ver o início assumir o fator de forma humanóide que a empresa estava desenvolvendo. para serviço de alimentação. A tecnologia definitivamente parece mais sofisticada do que sua contraparte de 2021, mas a base com rodas revela até onde ir para chegar a alguma versão do robô que vemos se for renderizada.
Imagens: Tesla/Figura/IX
De cima para baixo, essas são as renderizações do Tesla Optimus, Figura 01 e 1X Neo. Eles não são cópias diretas, obviamente, mas certamente parecem ser primos. Neo é aquele que faz questão de usar moletom, mesmo em ocasiões formais.
Imagem: MITCSAIL
Paralelamente, existem projetos de pesquisa interessantes. Um é do MIT. Quando você realmente pensa sobre isso, jogar futebol é uma ótima maneira de testar sua locomoção. Há uma razão para o Robocup existir há quase 20 anos. No entanto, no caso do Dribblebot, o desafio é o terreno irregular, incluindo coisas como grama, lama e areia.
Diz o professor do MIT Pulkit Agrawal:
Se você olhar ao seu redor hoje, a maioria dos robôs tem rodas. Mas imagine que há um cenário de desastre, uma inundação ou um terremoto, e queremos robôs para ajudar os humanos no processo de busca e salvamento. Precisamos que as máquinas atravessem terrenos que não sejam planos, e robôs com rodas não podem atravessar tais paisagens. O objetivo de estudar robôs com pernas é entrar em domínios além do alcance dos sistemas robóticos atuais.
Imagem: Universidade da Califórnia em Los Angeles
Outro projeto de pesquisa é da UCLA Samueli School of Engineering, que tem publicado recentemente descobertas de seu trabalho em torno de robôs de origami. Os Origami MechanoBots, ou "OrigaMechs", contam com sensores embutidos em seus finos blocos de construção de poliéster. O investigador principal Ankur Mehta tem alguns planos bastante amplos para a tecnologia.
“Esses tipos de cenários perigosos ou imprevisíveis, como durante um desastre natural ou causado pelo homem, podem ser onde os robôs de origami se mostraram especialmente úteis”, disse ele em um post. “Os robôs podem ser projetados para funções especiais e fabricados sob demanda muito rapidamente. Além disso, embora esteja longe, pode haver ambientes em outros planetas onde robôs de reconhecimento imunes a esses cenários seriam altamente desejáveis."
