- Robot masih cepat rusak setelah dipindahkan dari lingkungan pabrik yang dapat diprediksi
- Microsoft Rho-alpha menghubungkan pemahaman bahasa secara langsung dengan kontrol gerakan robot
- Penginderaan taktil sangat penting untuk mempersempit kesenjangan antara perangkat lunak dan tindakan fisik
Robot telah lama bekerja dengan andal di lingkungan industri yang dikontrol ketat dengan lingkungan yang dapat diprediksi dan penyimpangan yang terbatas, namun di luar itu, mereka sering mengalami kesulitan.
Untuk mengatasi masalah ini, Microsoft telah mengumumkan Rho-alfamodel robotika pertama yang berasal dari seri bahasa visi Phi, berpendapat bahwa robot memerlukan cara yang lebih baik untuk melihat dan memahami instruksi
Perusahaan percaya bahwa sistem dapat beroperasi melampaui jalur perakitan dengan merespons perubahan kondisi dibandingkan mengikuti aturan yang kaku.
Apa yang dirancang untuk dilakukan oleh Rho-alpha
Microsoft mengaitkan hal ini dengan apa yang secara luas disebut AI fisik, di mana model perangkat lunak diharapkan dapat memandu mesin melalui situasi yang kurang terstruktur.
Ini menggabungkan bahasa, persepsi, dan tindakan, yang mengurangi ketergantungan pada jalur produksi atau instruksi tetap.
Rho-alpha menerjemahkan perintah bahasa alami menjadi sinyal kontrol robot, dan berfokus pada tugas manipulasi bimanual, yang memerlukan koordinasi antara dua lengan robot dan kontrol yang sangat detail.
Microsoft mengkarakterisasi sistem ini sebagai perluasan pendekatan VLA yang khas dengan memperluas persepsi dan masukan pembelajaran.
“Munculnya model visi-bahasa-tindakan (VLA) untuk sistem fisik memungkinkan sistem untuk memahami, menalar, dan bertindak dengan otonomi yang semakin besar bersama manusia di lingkungan yang jauh lebih tidak terstruktur,” kata Ashley Llorens, Wakil Presiden Korporasi dan Direktur Pelaksana, Microsoft Research Accelerator
Rho-alpha mencakup penginderaan sentuhan di samping penglihatan, dengan modalitas penginderaan tambahan seperti kekuatan, yang merupakan pengembangan berkelanjutan.
Pilihan desain ini menunjukkan upaya untuk mempersempit kesenjangan antara simulasi kecerdasan dan interaksi fisik, meskipun efektivitasnya masih dalam evaluasi.
Bagian utama dari pendekatan Microsoft bergantung pada simulasi untuk mengatasi data robotika berskala besar yang terbatas, khususnya data yang melibatkan sentuhan.
Lintasan sintetik dihasilkan melalui pembelajaran penguatan di dalam Nvidia Isaac Sim, kemudian dikombinasikan dengan demonstrasi fisik dari kumpulan data komersial dan terbuka.
“Melatih model dasar yang dapat berpikir dan bertindak memerlukan mengatasi kelangkaan data dunia nyata yang beragam,” kata Deepu Talla, Wakil Presiden Robotika dan Edge AI, Nvidia.
“Dengan memanfaatkan NVIDIA Isaac Sim di Azure untuk menghasilkan kumpulan data sintetik yang akurat secara fisik, Microsoft Research mempercepat pengembangan model serbaguna seperti Rho-alpha yang dapat menguasai tugas manipulasi kompleks.”
Microsoft juga menekankan masukan perbaikan dari manusia selama penerapan, memungkinkan operator untuk melakukan intervensi menggunakan perangkat teleoperasi dan memberikan umpan balik yang dapat dipelajari oleh sistem seiring berjalannya waktu.
Lingkaran pelatihan ini memadukan simulasi, data dunia nyata, dan koreksi manusia, yang mencerminkan semakin besarnya ketergantungan terhadap teknologi alat AI untuk mengkompensasi kumpulan data yang langka.
Profesor Abhishek Gupta, Asisten Profesor, Universitas Washington, berkata, “Meskipun menghasilkan data pelatihan dengan mengoperasikan sistem robot jarak jauh telah menjadi praktik standar, ada banyak situasi di mana teleoperasi tidak praktis atau tidak mungkin dilakukan.”
“Kami bekerja sama dengan Microsoft Research untuk memperkaya kumpulan data pra-pelatihan yang dikumpulkan dari robot fisik dengan beragam demonstrasi sintetis menggunakan kombinasi simulasi dan pembelajaran penguatan.”
Ikuti TechRadar di Google Berita Dan tambahkan kami sebagai sumber pilihan untuk mendapatkan berita, ulasan, dan opini pakar kami di feed Anda. Pastikan untuk mengklik tombol Ikuti!
Dan tentu saja Anda juga bisa Ikuti TechRadar di TikTok untuk berita, review, unboxing dalam bentuk video, dan dapatkan update rutin dari kami Ada apa juga.
