Amikor már azt hittük, hogy a humanoid robotok versenye nem lehet ennél zsúfoltabb, egy vadonatúj startup egyszerűen berúgta az ajtót, beültetett egy robotot egy gokartba, és elkezdett gumit égetve driftelni a parkolóban. Bemutatkozik a Symbiosis Robotics, egy kínai cég, amely a „lopakodó üzemmódból” kilépve egy olyan videóval debütált, ahol egy Unitree G1 humanoid nemcsak vezeti, hanem konkrétan csúsztatja is a gokartot. Ez pontosan az a fajta látványos, kissé abszurd demonstráció, amire mindenki felkapja a fejét, mert a csikorgó gumik mögött egy kőkemény technológiai erődemonstráció húzódik meg.
Ez nem egy távirányítós bábjáték. A robot autonóm módon hajt végre egy komplex mozdulatsort: bepréseli magát a szűk pilótafülkébe, a kormányra helyezi a kezét, a pedálokra a lábát, majd az észlelés, az egyensúlyozás és a teljes testvezérlés folyamatos láncolatával navigál a pályán. Ez egy igen határozott névjegy egy olyan vállalattól, amelyet a hírek szerint alig több mint egy hónapja alapítottak.
Az agy: Egyetlen modell mindenek felett
A mechanikus Schumacher mögött rejlő varázslat egy olyan mesterséges intelligencia modell, amelyet a Symbiosis Direct Perception Control (DPC) néven emleget. A cég állítása szerint a DPC egy „end-to-end észlelés-vezérlés integrált alapmodell”, amely alapjaiban változtatja meg a robotok működését. Évtizedekig a robotika uralkodó paradigmája a rétegzett, moduláris felépítés volt: egy rendszer az észlelésért, egy másik a magas szintű tervezésért, a harmadik pedig az ízületek mozgatásáért felelt. Ez működik ugyan, de gyakran nehézkes, és a hibák végiggyűrűzhetnek a rétegeken.
A Symbiosis DPC modellje kukázza ezt a forgatókönyvet. A multimodális szenzoros bemeneteket – látást, nyelvi utasításokat, a robot testének állapotát és a fizikai visszacsatolást – közvetlenül képezi le a robot ízületeinek és kezeinek célmozgásaira. Saját szavaikkal élve: lebontják a falat a robot „agya” (észlelés) és „kisagya” (motoros vezérlés) között, lehetővé téve ezek egyidejű optimalizálását. Ez a megtestesült MI (embodied AI) szent grálja: egyetlen, egységes modell, amely egyszerűen csak érzékel és cselekszik.
Ahhoz, hogy ezt az „agyat” felépítsék, a Symbiosis 15 010 órányi változatos tanítóadatot etetett meg vele. Az adathalmaz 6781 órányi emberi szemszögű (egocentrikus) videót, 4024 órányi karos robotoktól származó adatot, valamint több ezer órányi kerekes és kétlábú humanoidtól gyűjtött tapasztalatot tartalmazott. Ez a sokszínűség a kulcsa egy olyan modellnek, amely képes általánosítani a különböző feladatok és testfelépítések között.
A test: Egy bolti igásló
Az egész bemutató talán legárulkodóbb részlete maga a robot. Ez nem egy egyedi gyártású, több millió dolláros kutatási platform volt. A pilóta egy Unitree G1 volt, egy kereskedelmi forgalomban kapható humanoid, amely gyorsan a kutatók kedvencévé vált. A körülbelül 1,27 méter magas és 35 kg súlyú G1 egy figyelemre méltó, bár viszonylag szerény hardver.
A 23-43 szabadságfokkal, 2 m/s-os járási sebességgel és karonként nagyjából 2 kg-os teherbírással rendelkező gép szilárd alap. Ami azonban döntő, hogy az alapmodell ára 20 000 dollár alatt van – ez pedig egy teljesen más liga, mint például a Boston Dynamics-féle Atlas. Egy „polcról levehető” robot használatával a Symbiosis egyértelmű üzenetet küld: a paradigmaváltás nem az egzotikus hardverben rejlik, hanem az azt irányító intelligenciában.
Miért a gokartozás a robotika egyik legnehezebb vizsgája?
Egy gokart vezetése egy ember számára triviálisnak tűnhet, de egy robotnak ez egy brutális, teljes testet érintő intelligenciateszt. Ez nem csak annyi, hogy átgyalogolunk a szobán; ez több, egymásba fonódó készség folyamatos próbája:
- Korlátozott manipuláció: A robotnak fizikailag be kell férnie a vezetőülés szűk keretei közé, és ott kell operálnia, ami komoly kihívás a teljes testre kiterjedő térérzékelés szempontjából.
- Szem-kéz-láb koordináció: Egyszerre kell érzékelnie az előtte lévő pályát, kormányoznia a kezével, és árnyalt nyomást gyakorolnia a pedálokra a lábával.
- Precíz erővezérlés: A driftelés és a kontrollált vezetés nemcsak ki-be kapcsoló parancsokat igényel, hanem a gáz és a fék finom, analóg vezérlését – ami a DPC end-to-end erővisszacsatolásának egyik fő előnye.
- Dinamikus stabilitás: A teljes folyamat során a robotnak meg kell őriznie az egyensúlyát és stabilitását, miközben a gyorsulás, a fékezés és a kanyarodás erői hatnak rá.
Ez a bemutató nem csupán egy PR-fogás, hanem egy átfogó stresszteszt. Ez egy hadüzenet egy megdöbbentően friss startuptól, amelyet fiatal kutatók „dream team”-je vezet, élén a vezérigazgatóval, Ding Pengxianggal, aki nemrég szerzett PhD-fokozatot a Zhejiang és a Westlake Egyetemen. Egyértelművé tették, hogy nem érik be apróbb fejlesztésekkel. Mindent az end-to-end mesterséges intelligenciára tesznek fel, mint a robotika „végső állomására”, és épp most száguldottak át a rajtvonalon, gumifüstöt és égett szagot hagyva maguk után.