رسانه تخصصی هوش مصنوعی سیمرغ
ورود رباتهای انساننما به دنیای واقعی مدتی است که آغاز شده؛ آنها میدوند، میرقصند و گاهی حرکات آکروباتیک انجام میدهند. اما برای اینکه یک ربات واقعاً در زندگی روزمره «مفید» باشد، باید بتواند کارهای پیشپاافتاده و خستهکننده اداری را یاد بگیرد.
به گزارش خبرنگار سیمرغ، استارتاپ سوئیسی Flexion Robotics که توسط محققان و مهندسان سابق بخش رباتیک انویدیا (Nvidia) تأسیس شده، به تازگی از راهکار هوشمندانه خود برای حل این مسئله پرده برداشته است. این شرکت نرمافزاری توسعه داده که میتواند رباتهای انساننما را به کارآموزانی فوقالعاده دقیق و مستقل برای محیطهای اداری تبدیل کند.
فرمول جادویی: یادگیری تقویتی در دنیای شبیهسازی
بسیاری از ویدیوهای جذابی که از رباتهای انساننما در حال تا کردن لباس یا چیدن قفسهها میبینید، در واقع توسط یک اپراتور انسانی در پشت صحنه (از طریق کنترل از راه دور یا Teleoperation) هدایت میشوند. این روش شاید در محیطهای آزمایشگاهی کنترلشده جذاب باشد، اما به محض اینکه ربات در یک محیط ناآشنا قرار گیرد، با شکست مواجه میشود.
رویکرد Flexion کاملاً متفاوت است. آنها به جای آموزش مستقیم ربات در دنیای واقعی، سیستم را به دو لایه اصلی مجهز کردهاند:
- آموزش مهارتهای فردی در شبیهسازی: مهارتهای پایهای مثل باز کردن در، بالا رفتن از پلهها و حمل جعبهها ابتدا به صورت فشرده در محیطهای شبیهسازیشده به ربات آموزش داده میشود.
- الگوریتم هوش مصنوعی ارکستراتور (استاد): یک مدل هوش مصنوعی مرکزی، ویدیوهای مربوط به رفتارهای انسانی را تحلیل کرده و سپس تصمیم میگیرد که کدام یک از مهارتهای آموختهشده در شبیهسازی را در چه زمانی و چگونه در دنیای واقعی ترکیب و اجرا کند.
نیکیتا رودین (Nikita Rudin)، مدیرعامل و همبنیانگذار Flexion میگوید: «چاشنی محرمانه نرمافزار ما، استفاده گسترده از یادگیری تقویتی (Reinforcement Learning) است. این سیستم به کامپیوترها اجازه میدهد تا از طریق آزمون و خطا در تمامی سطوح — از لایه شبیهسازی گرفته تا الگوریتم کنترل موتورهای حرکتی ربات — به درجه استادانی برسند.»
ماموریت غیرممکن: «بسته تنقلات را برای من بیاور!»
برای درک قدرت این نرمافزار، شرکت Flexion ویدیویی از یک ربات انساننمای اصلاحشده شرکت Unitree منتشر کرده است. در این آزمایش، ربات به صورت کاملاً خودمختار و تنها با دریافت یک دستور صوتی/متنی به زبان طبیعی، ماموریت زیر را با موفقیت انجام داد:
«یک بسته حاوی تنقلات برای شرکت تحویل داده شده است. از پلهها پایین برو و آن را تحویل بگیر، سپس با استفاده از آسانسور بالا بیا. در نهایت بسته را باز کن و خوراکیها را در کشوی خالی قفسه بخش استراحت قرار بده.»
این ربات بدون نیاز به راهنمایی گامبهگام انسان، خودش متوجه شد که برای رسیدن به اتاق پست باید از پلهها استفاده کند، چگونه دکمه آسانسور را فشار دهد و چطور آیتمها را با ظرافت در کشو بچیند.
ارزش اصلی در مغز ربات است، نه بدنه آن!
در حالی که رهبران بزرگ فناوری مانند ایلان ماسک و جنسن هوانگ معتقدند رباتهای انساننما به زودی جایگزین بخش بزرگی از نیروی کار انسانی خواهند شد، دستاورد Flexion نشان میدهد که تحول اصلی نه در حوزه سختافزار، بلکه در بخش نرمافزار و هوش مصنوعی در حال رخ دادن است.
جورج چودری (George Chowdhury)، تحلیلگر موسسه ABI Research در این رابطه میگوید: «خود ربات انساننما به تنهایی چیز انقلابی یا عجیبی نیست؛ بلکه مدلهای پایهای هوش مصنوعی (AI Foundation Models) هستند که به آنها جان میبخشند.» این موسسه پیشبینی میکند ارزش بازار مدلهای پایهای رباتیک تا سال ۲۰۳۶ به بیش از ۱۵۰ میلیارد دلار برسد.
یکی از بزرگترین مزایای رقابتی استارتاپ Flexion این است که نرمافزار آنها وابسته به یک سختافزار خاص نیست (Hardware Agnostic) و میتواند روی انواع رباتهای انساننمای موجود در بازار پیادهسازی شود.
تحلیل تحریریه سیمرغ: پروژه Flexion مرز میان هوش مصنوعی دیجیتال (مانند چتباتها) و هوش مصنوعی فیزیکی (Embodied AI) را به کلی از بین برده است. اهمیت این دستاورد در سال ۲۰۲۶ در این است که نشان میدهد برای داشتن یک ربات کاربردی، نیازی به طراحی سختافزارهای میلیارد دلاری جدید نیست؛ بلکه با توسعه «مغزهای نرمافزاری هوشمند» که مجهز به ارکستراسیون و یادگیری تقویتی هستند، میتوان حتی از رباتهای تجاری ارزانقیمت فعلی نیز کارآمدترین کارآموزان اداری را خلق کرد.
