О чём говорит показатель успешности HALO 91%?

  • Исследовательская группа Apple сообщила, что система HALO провела 360 испытаний отдельных задач в 6 реальных условиях, которые заранее не сканировались и не картографировались; средний показатель успешности составил 91%. Это показывает, что роботы уже способны в определённой степени полагаться на автономное управление для выполнения отдельных задач в реальных условиях.
  • Результаты комбинированных задач были значительно ниже: в другой реальной среде 3 вида комбинированных задач тестировали по 10 раз каждую; средний показатель успешности составил 70%. Показатель успешности задачи «наклониться и пройти через препятствие — подойти к цели — толкнуть коробку» составил 50%. При переходе от отдельных действий к непрерывным задачам стабильность выполнения по-прежнему снижается.

Какие недостатки мешают распространить достигнутые показатели успешности на большее число сценариев?

  • В создании данных по-прежнему участвуют люди: для новых физических задач необходимо, чтобы люди писали подсказки и разрабатывали ключевые кадры движений; для некоторых действий также используются видео с участием людей или материалы захвата движения. Поэтому результаты испытаний не означают, что робот уже способен самостоятельно адаптироваться к любой новой задаче.
  • В настоящее время HALO в основном полагается на зрение и не может напрямую воспринимать контакт. Когда объект выходит из поля зрения камеры или оказывается закрыт, снижается эффективность выполнения задач, предполагающих значительный контакт. Команда Apple назвала тактильное восприятие одним из направлений дальнейшего совершенствования; нехватка данных, сложности с разметкой и сложность физической среды также препятствуют обобщению.

Почему учреждения сосредоточили внимание на «интеграции большого и малого мозга»?

  • «Большой мозг» отвечает за когнитивные функции и принятие решений, а «малый мозг» — за управление движением; их взаимодействие позволяет объединить восприятие, принятие решений и выполнение действий в замкнутый цикл. В отчёте развитие отрасли описывается как переход от многоуровневых согласованных архитектур к более глубокой интеграции, однако отмечается, что нынешняя интеграция крупных моделей ИИ с человекоподобными роботами пока остаётся неглубокой.
  • Дун Сяобинь из Industrial Securities считает, что технологии производства робототехнического оборудования достигли достаточно высокого уровня, а возможности воплощённого интеллекта могут стать узким местом развития; на данный момент сферы применения остаются относительно узкими. Если специализированные сценарии расширятся, методы обучения будут оптимизированы, а аппаратное обеспечение продолжит совершенствоваться, накопление высококачественных данных может ускориться и способствовать распространению приложений на универсальные и бытовые сценарии.

Находятся ли связанные секторы компаний на одной стадии развития?

  • Нет. Joyson Electronics сообщает, что уже представила такие компоненты, как контроллеры «большого» и «малого мозга», однако работа над продуктами для клиентов из Северной Америки всё ещё включает отправку образцов, итеративные обновления и подготовку массового производства. JWIPC сообщает о полученных заказах клиентов в сфере контроллеров «большого» и «малого мозга» для роботов. Тем временем SoC SigmaStar для воплощённого интеллекта с функциями «большого» и «малого мозга» постепенно проходят этап изготовления тестовых образцов микросхем.
  • Эти сведения относятся к разным этапам разработки компонентов, контроллеров и микросхем. Они отражают продвижение продуктов и проектов по всей отраслевой цепочке, однако отправку образцов, получение заказов и изготовление тестовых образцов микросхем нельзя считать одной и той же стадией коммерциализации.