ШІ досяг такого етапу, коли він може розпізнавати об’єкти, розуміти мову та розв’язувати дедалі складніші проблеми. Та якщо помістити ту саму інтелектуальність у робота, з’являється інше випробування.

Нинішнє випробування — це не обчислювальна потужність, а 𝐄𝐗𝐏𝐄𝐑𝐈𝐄𝐍𝐂𝐄.
Робот може розпізнати картонну коробку з яйцями, але працювати з нею, не розбивши жодної шкарлупи, потребує набагато витонченішого підходу, ніж розпізнавання об’єктів. Це вимагає розуміння тиску, таймінгу, балансу та безлічі тонких коригувань, які люди виконують інстинктивно. Це прогалина між людським досвідом.
Люди розвивають фізичний інтелект роками взаємодії зі світом. Ми вчимося, як різні матеріали поводяться, скільки сили потребує та чи інша задача, і як адаптуватися, коли реальність не відповідає очікуванням. Багато з цього знання є неявним; його не можна просто записати в довідник правил або завантажити в модель.
Для embodied #AI отримання такого інтелекту залишається однією з найбільших перешкод у галузі, і саме тут @InvLambda пропонує переконливе рішення.
Замість того, щоб просити роботів навчатися виключно з симуляцій або вручну створених інструкцій, 𝗜𝗻𝘃𝗲𝗿𝘁𝗲𝗱 𝗟𝗮𝗺𝗯𝗱𝗮 𝗽𝗹𝗮𝗰𝗲𝘀 𝗵𝘂𝗺𝗮𝗻 𝗲𝘅𝗽𝗲𝗿𝘁𝗶𝘀𝗲 𝗮𝘁 𝘁𝗵𝗲 𝗰𝗲𝗻𝘁𝗲𝗿 𝗼𝗳 𝘁𝗵𝗲 𝗹𝗲𝗮𝗿𝗻𝗶𝗻𝗴 𝗽𝗿𝗼𝗰𝗲𝘀𝘀. Через децентралізовану мережу дистанційного керування (teleoperation) оператори віддалено керують роботами, виконуючи реальні завдання, дозволяючи системі фіксувати рішення, рухи та фізичні взаємодії, які визначають навичкову людську поведінку.
𝙏𝙝𝙚 𝙫𝙖𝙡𝙪𝙚 𝙡𝙞𝙚𝙨 𝙞𝙣 𝙩𝙝𝙚 𝙧𝙞𝙘𝙝𝙣𝙚𝙨𝙨 𝙤𝙛 𝙩𝙝𝙚 𝙙𝙖𝙩𝙖.
Сесія дистанційного керування фіксує значно більше, ніж лише візуальну інформацію. Вона записує траєкторії руху, просторове міркування, керувальні сигнали та тактильні (haptic) сигнали, що виникають, коли люди реагують на зміну умов. Разом ці мультимодальні взаємодії створюють набагато повнішу картину того, як розгортаються розумні фізичні дії.
𝗧𝗵𝗶𝘀 𝗶𝘀 𝗮𝗹𝘀𝗼 𝘄𝗵𝘆 𝗛𝘂𝗺𝗮𝗻-𝗶𝗻-𝘁𝗵𝗲-𝗟𝗼𝗼𝗽 (𝗛𝗜𝗧𝗟) 𝗿𝗲𝗺𝗮𝗶𝗻𝘀 𝘀𝗼 𝗶𝗺𝗽𝗼𝗿𝘁𝗮𝗻𝘁.
Людські оператори долають розрив між тим, що роботи можуть розрахувати, і тим, що вони можуть впевнено виконати. Їхні дії забезпечують демонстрації, які потрібні embodied AI, щоб розуміти не лише успішні результати, а й процес ухвалення рішень, що стоїть за ними.
Зі збільшенням кількості операторів конвеєр Inverted Lambda стає сильнішим. Різноманітні середовища, різні техніки та безліч сценаріїв із реального світу формують основу, яка безперервно розширюється для embodied AI. Результат — процес навчання, побудований на практичному досвіді, а не на ізольованих прикладах.
Закрити прогалину між людським досвідом — це не про заміну людей, а про збереження знань, які люди накопичили за все життя фізичної взаємодії, і перетворення їх на інтелект, з якого можуть навчатися роботи.
Це та можливість, яку переслідує Inverted Lambda: створення децентралізованої мережі дистанційного керування, де людський досвід стає каталізатором для більш спроможних, адаптивних і розумних роботів.
#InvertedLambdaTheBreach #InvertedLambda #Robotics #Teleoperation #SecondContact #SecondContactTheBreach