هوش فیزیکی در رباتیک: از برنامه‌ریزی تا خودمختاری کامل (بررسی پروژه‌های GR00T و RT-X)

دنیای روبات‌ها از ماشین‌های برنامه‌ریزی‌شده به ماشین‌های خودمختار تبدیل شده است که می‌توانند ببینند، تصمیم بگیرند و در محیط واقعی عمل کنند. فناوری‌هایی مانند دوقلوهای دیجیتال، پردازش در لبه و حسگرهای هوشمند، یادگیری سریع و ایمن روبات‌ها را ممکن ساخته‌اند. آینده روباتیک بر همکاری بین انسان و ماشین‌های هوشمند استوار است، نه جایگزینی انسان‌ها.

به گزارش سیلاد و به نقل از Analytics Insight، «هوش فیزیکی» در روباتیک به توانایی روبات‌ها در درک و واکنش هدفمند به محیط‌های متغیر اشاره دارد. با ترکیب ورودی‌های حسی، پردازش منطقی و کنترل پیشرفته، روبات‌ها بیش از اجرای برنامه‌های ساده عمل می‌کنند، هرچند هنوز چالش‌هایی مانند تأخیر پردازشی و ایمنی باقی است.

پروژه RT-X گوگل دیپ مایند با داده‌های Open X-Embodiment یادگیری را بین ۲۲ نوع روبات منتقل می‌کند و مدل RFM-1  شرکت Covariant از زبان، تصویر و ویدیو برای تقویت استدلال و پیش‌بینی استفاده می‌کند. خانواده GR00T انویدیا هم به روبات‌های انسان‌نما امکان یادگیری حرکات دقیق و استدلال زبانی را می‌دهد.

Open X-Embodiment بیش از یک میلیون مسیر روبات‌ها را جمع‌آوری کرده تا مشکل داده در تعامل واقعی را حل کند. شرکت‌ها با داده‌های جمع‌آوری شده، زمان تطبیق را کاهش و استقلال روبات‌ها را افزایش می‌دهند. شبیه‌ساز Omniverse انویدیا آموزش رفتارهای روبات را تسریع می‌کند.

 

روبات‌ها با ترکیب دید و زبان می‌توانند دستور‌های طبیعی را بفهمند، وظایف را تقسیم و عملکرد خود را توضیح دهند. RFM-1 امکان برنامه‌نویسی زبانی و یادگیری سریع را می‌دهد، و GR00T N1 حرکات روان و ماهرانه را با داده‌های انسانی و مصنوعی تولید می‌کند.

پلتفرم Jetson Thor و Isaac انویدیا کنترل کامل و پردازش قوی را روی سخت‌افزار روبات‌های انسان‌نما فراهم می‌آورد. Sanctuary، با حسگرهای پیشرفته، زمان انجام وظایف را از هفته به چند ساعت کاهش داده است.

شرکت‌ها مانند آمازون از بیش از یک میلیون روبات برای بهبود لجستیک استفاده می‌کنند. Digit شرکت Agility و روبات Atlas از Boston Dynamics نیز نشان‌دهنده ورود روبات‌های انسان‌نما به صنایع مختلف هستند.

سیستم‌های AutoRT دیپ‌مایند و داده‌کاوی Covariant، جمع‌آوری داده‌ها را تسریع کرده و به یادگیری مداوم روبات‌ها کمک می‌کنند. این چرخه روبات‌ها را به منبع تولید داده برای آموزش‌های آینده تبدیل می‌کند.

به گزارش سیلاد، ربات‌ها با یادگیری زبان انسان، دستور‌ها را اجرا و همکاری را شفاف‌تر کرده‌اند. چالش‌هایی مانند تأخیر و ایمنی با نظارت و کنترل دقیق کاهش می‌یابد تا روبات‌ها امن در کنار انسان‌ها کار کنند.

روبات‌های هوشمند از اتوماسیون سنتی فراتر رفته و در صنایع تولید، لجستیک و پزشکی نقش پررنگی ایفا می‌کنند. آینده آنها همکاری با انسان‌ها برای افزایش کارایی و نوآوری است، نه جایگزینی آنها.