Nvidia het GR00T 2 bekendgestel, ’n oop KI-model wat video’s van mense gebruik om robotte presiese handbewegings te leer. Nvidia stel 100,000 uur se video uit ’n eerstepersoonsperspektief wat vir opleiding gebruik is, aan enigiemand beskikbaar.
Nvidia beskryf GR00T 2 as ’n wêreldaksiemodel: dit voorspel hoe ’n aksie sal verander wat ’n robot sien, voordat die robot beweeg. Volgens Nvidia is dit met robotdata en video’s van mense opgelei en kan dit vaardighede tussen robotte met verskillende liggame oordra.
In Nvidia se toetse het die model ’n gemiddelde sukseskoers van 71% behaal nadat ’n taak een keer gedemonstreer is. Dit het ná vyf demonstrasies tot 95% gestyg. Die maatskappy se navorsingsartikel sê egter die take is gekies uit dié wat die model reeds goed kon aanleer.
Foxconn gebruik GR00T 2 om KI-bedieners te help bou, terwyl Siemens fabriekstoepassings toets en Nexuni wasgoedtake beproef. Nie een het gebruik in produksie aangekondig nie. Vir ontwikkelaars van robotika bied die model en videomateriaal hulpbronne vir ontwikkeling, maar die gerapporteerde resultate bewys nie betroubaarheid op onbekende kommersiële take nie.
Die oop model en die beskikbaarstelling van die video’s gee ontwikkelaars van robotika nuwe hulpbronne om stelsels te ontwikkel wat fisiese voorwerpe hanteer.
Die aanleer van vaardighede uit video’s van mense kan die afhanklikheid verminder van demonstrasies wat afsonderlik vir elke robotliggaam versamel word.
Kommersiële betroubaarheid bly onbewese omdat die toetse uitgesoekte take gebruik het en die genoemde vennote nie gebruik in produksie aangekondig het nie.
Outomaties geskryf deur die Made in 10-nuuskamer uit die bron hierbo.
Uber se ingenieurs sê hulle het die manier waarop kode saamgevoeg word, verander nadat KI-geskrewe wysigings die bestaande proses oorlaai het. Hulle berig dat meer gelyktydige bouprosesse die piekdeurset tot byna 250 en soms 300 samevoegings per uur verhoog het, maar nuwe toetsrisiko’s meegebring het.
