Roboty pracujące w sortowni paczek? Figure przedstawia możliwości ulepszonego modelu VLA o nazwie Helix

Roboty humanoidalne, które będą pracować na ludzkich stanowiskach, w miejscach takich jak sortownia paczek - taką wizję przyszłości widzi firma Figure, która opracowuje modele, jak również oprogramowanie do nich. W najnowszym materiale wideo pokazała kolejne osiągnięcia dotyczące modelu VLA (Vision-Language-Action) o nazwie Helix, który został ulepszony. Rozwiązanie wypada w praktyce całkiem dobrze, gdyż roboty mogą dość sprawnie pracować i szybko korygować swoje błędy.

Figure przychodzi do nas z zaktualizowaną wersją modelu VLA o nazwie Helix. Nowość może teraz przetwarzać dane z dwóch kamer i pozwala robotom wykonywać dokładniejsze ruchy. Możliwości przedstawiono na przykładzie robotów humanoidalnych pracujących na liniach z paczkami.

Helix sprawi, że roboty humanoidalne staną się lepsze. Nowy model AI umożliwia im pracę z obiektami, których nigdy nie widziały

Wspomniany model VLA Helix opiera się na dwóch systemach, z których jeden potrafi analizować sceny i rozumie język (System 2), a drugi przetwarza informacje z tego pierwszego i umożliwia robotom wykonywanie na ich podstawie odpowiednich działań (System 1). To właśnie ten ostatni został ulepszony (przetwarzanie obrazu 3D, czyli z dwóch kamer - poprzednik opierał się na obrazie tylko z jednej). Dla ludzi praca w sortowni paczek nie jest zbyt dużym wyzwaniem, natomiast w przypadku robotów sprawa wygląda już nieco inaczej. Paczki mogą mieć bowiem różne rozmiary i kształty, inną wagę, a przy tym jedne będą bardziej solidne (kartony), a inne mogą być miękkie (np. koperty foliowe z ciuchami). Na dodatek wszystkie stale są w ruchu. Zadanie robota nie należy więc do łatwych, gdyż w takim scenariuszu musi odpowiednio chwycić paczkę, w razie potrzeby odsłonić jej etykietę i przesunąć dalej.

Unitree G1 - humanoidalny robot, który imponuje możliwościami. Model szykuje się do masowej produkcji

Efekty (widoczne na powyższym wideo), jakie udało się uzyskać po szkoleniu na danych (o długości 8 godzin), które zostały wybrane przez twórców, są całkiem dobre. Roboty są w stanie nawet korygować swoje niedociągnięcia (np. kiedy paczka nie zostanie przez nich poprawnie chwycona), co już teraz dobrze rokuje na przyszłość. Przyspieszając ruchy robotów o 50% - względem tego, co pokazano na materiałach treningowych - dokładność jest zachowywana, jednak po przekroczeniu tej wartości modele stają się mniej precyzyjne. Jeżeli jesteśmy zainteresowani omawianym tematem, to warto zapoznać się z artykułem, który znajdziemy pod tym adresem. Omówiono w nim wszystkie aspekty w bardziej szczegółowy, a zarazem techniczny sposób. Modele VLM już teraz są istotnym czynnikiem, który wpływa na rozwój humanoidalnych robotów, a z czasem sytuacja zapewne będzie wyglądać jeszcze lepiej.

Po lewej: lepsza funkcjonalność robotów przy użyciu danych z dwóch kamer + funkcji Multiscale; po prawej: krótsze, ale bardziej jakościowe dane treningowe lepiej wpływają na efektywność niż duża ilość niewyselekcjonowanych materiałów.