AI đã đạt đến giai đoạn mà nó có thể nhận diện các vật thể, hiểu ngôn ngữ và giải quyết những vấn đề ngày càng phức tạp. Tuy nhiên, nếu đặt chính trí tuệ đó vào một robot, một thách thức khác lại xuất hiện.

Thách thức hiện tại không phải là năng lực tính toán, mà là 𝐄𝐗𝐏𝐄𝐑𝐈𝐄𝐍𝐂𝐄.
Một robot có thể nhận ra một hộp trứng, nhưng xử lý nó mà không làm vỡ bất kỳ vỏ trứng nào đòi hỏi thứ tinh vi hơn nhiều so với việc nhận diện đối tượng. Nó cần sự hiểu biết về lực tác động, thời điểm, sự cân bằng và vô số điều chỉnh tinh tế mà con người thực hiện một cách bản năng. Đây chính là khoảng cách trải nghiệm giữa con người.
Con người phát triển trí tuệ về thể chất qua nhiều năm tương tác với thế giới. Chúng ta học vật liệu khác nhau sẽ phản ứng ra sao, một nhiệm vụ cần bao nhiêu lực, và cách thích nghi khi thực tế không khớp với kỳ vọng. Phần lớn kiến thức này là trực giác; nó không thể chỉ đơn giản viết vào sổ tay quy tắc hoặc tải xuống vào một mô hình.
Với embodied #AI, việc thu được dạng trí tuệ đó vẫn là một trong những trở ngại lớn nhất của ngành và đây là nơi @InvLambda đưa ra một giải pháp thuyết phục.
Thay vì yêu cầu robot học chỉ từ mô phỏng hay các chỉ dẫn được viết sẵn thủ công, 𝗜𝗻𝘃𝗲𝗿𝘁𝗲𝗱 𝗟𝗮𝗺𝗯𝗱𝗮 đặt chuyên gia con người vào trung tâm của quy trình học. Thông qua mạng lưới điều khiển từ xa phi tập trung của mình, các nhà vận hành điều khiển robot từ xa trong khi thực hiện các tác vụ thực tế, cho phép hệ thống ghi lại các quyết định, chuyển động và tương tác vật lý định hình hành vi con người có tay nghề.
𝙏𝙝𝙚 𝙫𝙖𝙡𝙪𝙚 𝙡𝙞𝙚𝙨 𝙞𝙣 𝙩𝙝𝙚 𝙧𝙞𝙘𝙝𝙣𝙚𝙨𝙨 𝙤𝙛 𝙩𝙝𝙚 𝙙𝙖𝙩𝙖.
Một phiên điều khiển từ xa ghi nhận nhiều hơn thông tin hình ảnh. Nó lưu các quỹ đạo chuyển động, khả năng suy luận không gian, các tín hiệu điều khiển và các tín hiệu xúc giác (haptic) được tạo ra khi con người phản ứng trước các điều kiện thay đổi. Kết hợp lại, những tương tác đa phương thức này tạo ra bức tranh đầy đủ hơn nhiều về cách các hành động thể chất thông minh được triển khai.
𝗧𝗵𝗶𝘀 𝗶𝘀 𝗮𝗹𝘀𝗼 𝘄𝗵𝘆 𝗛𝘂𝗺𝗮𝗻-𝗶𝗻-𝘁𝗵𝗲-𝗟𝗼𝗼𝗽 (𝗛𝗜𝗧𝗟) 𝗿𝗲𝗺𝗮𝗶𝗻𝘀 𝘀𝗼 𝗶𝗺𝗽𝗼𝗿𝘁𝗮𝗻𝘁.
Các nhà vận hành con người thu hẹp khoảng cách giữa những gì robot có thể tính toán và những gì chúng có thể thực thi một cách tự tin. Hành động của họ cung cấp các ví dụ minh họa mà embodied AI cần để hiểu không chỉ kết quả thành công, mà cả quy trình ra quyết định đứng sau chúng.
Khi có thêm nhiều nhà vận hành tham gia, đường ống của Inverted Lambda trở nên mạnh mẽ hơn. Các môi trường đa dạng, kỹ thuật khác nhau và vô số kịch bản ngoài đời thực tạo nên một nền tảng ngày càng mở rộng cho embodied AI. Kết quả là một quá trình học dựa trên kinh nghiệm thực tiễn thay vì các ví dụ rời rạc.
Việc thu hẹp khoảng cách trải nghiệm giữa con người không phải là thay thế con người, mà là gìn giữ tri thức mà con người đã tích lũy suốt cả đời thông qua tương tác vật lý và chuyển hóa nó thành trí tuệ mà robot có thể học từ đó.
Đó là cơ hội mà Inverted Lambda đang theo đuổi: xây dựng một mạng lưới điều khiển từ xa phi tập trung để trải nghiệm con người trở thành chất xúc tác cho những robot có năng lực hơn, linh hoạt hơn và thông minh hơn.
#InvertedLambdaTheBreach #InvertedLambda #Robotics #Teleoperation #SecondContact #SecondContactTheBreach