O poder computacional para treinar movimentos de robôs caiu drasticamente. Por que o Nomura valoriza mais a consistência do hardware?

O poder computacional para treinamento caiu mais de mil vezes. O que melhorou exatamente?

O SuperMimic reduziu substancialmente os requisitos de treinamento para o controle dos movimentos de corpo inteiro de robôs humanoides: os autores do artigo afirmam que, após três horas de treinamento em uma única GPU H100, seu desempenho superou o do modelo publicado do SONIC. Este último usou cerca de 21 mil horas de GPU para treinamento, representando uma redução de mais de mil vezes nessa medida.
O desempenho no rastreamento de movimentos também melhorou ao mesmo tempo que o uso de poder computacional diminuiu. Em um teste de referência com 129,514 movimentos, o SuperMimic falhou 25 vezes e o SONIC falhou 179 vezes; o SuperMimic atingiu zero falhas após treinar com duas GPUs por 9.8 horas. Em seguida, o controlador realizou uma rolagem lateral e um giro de 360 graus em um robô físico Unitree G1.

Os métodos tradicionais fazem os robôs repetir tentativas e corrigir erros em um simulador físico; quanto maior a biblioteca de movimentos, maior a demanda computacional. O SuperMimic primeiro aprende como um mesmo corpo se movimenta e depois permite que o controlador pratique nesse modelo corporal; movimentos diferentes podem reutilizar o mesmo conjunto de regras do corpo.
A economia vem tanto da velocidade de treinamento quanto da eficiência do aprendizado: em tamanhos de lote comuns, a prática dentro do modelo é mais de 10 vezes mais rápida que no simulador. O modelo também pode fornecer diretamente informações sobre a direção em que um movimento deve ser ajustado; esse mecanismo, por si só, reduz em cerca de 64 vezes o número necessário de etapas de prática.
Quando os dados de movimento aumentaram de 1 hora para 264 horas, o erro de previsão do modelo corporal permaneceu estável, de modo que a demanda computacional decorrente dos movimentos adicionais cresceu mais lentamente. Com base nisso, o Nomura acredita que a chave do avanço é mudar o local de prática, em vez de acrescentar dados.

A comparação de “mais de mil vezes” não é inteiramente equivalente: o SuperMimic usou menos dados de movimento, enquanto o volume de dados do SONIC era cerca de 2.3 vezes maior, e o SuperMimic usou um modelo de GPU mais recente. Os autores do artigo acreditam que essas diferenças não são suficientes para explicar a diferença de mil vezes.
Os resultados se limitam a movimentos corporais em terreno plano e não abrangem manipulação de objetos ou terrenos complexos; o modelo corporal aprendeu apenas com dados de simulação, e os movimentos no teste de referência também faziam parte do treinamento. Por isso, o Nomura considera que se trata de um avanço no “cerebelo” do controle de movimento, com os limites de capacidade ainda restritos ao controle do corpo.

A pesquisa setorial do Nomura mostra que cerca de 300 empresas chinesas já conseguem fornecer uma função essencial de controle de movimento, e a vantagem anterior de um a dois anos da Unitree em hardware e controle de movimento pode estar diminuindo. Com a simplificação adicional do treinamento, o banco acredita que a competitividade da Unitree dependerá mais de custos e escala.
A possibilidade de reutilizar o software em grande escala depende de os corpos dos robôs serem suficientemente consistentes. A variação na calibração das articulações nas simulações do artigo foi de apenas ±0.01 radianos; o Nomura estima que, se as características de movimento de mais de 20 articulações forem inconsistentes, o mesmo código de aprendizado por reforço poderá funcionar em apenas algumas máquinas.
Segundo estimativas do Nomura, os atuadores representam cerca de 50%–75% do custo dos componentes de um robô humanoide. O banco prefere fabricantes de robôs completos e fornecedores essenciais capazes de controlar a consistência e acredita que a Unitree está em posição mais favorável do que empresas de modelos que desenvolvem o próprio hardware, pois a experiência em produção em massa leva anos para ser acumulada. O fator ligado ao benefício é a estabilidade da fabricação, e não apenas a posse de algoritmos de movimento.