Embodied AI: yapay zekânın fiziksel dünyaya geçişi

Tez#

Ölçek yasaları dil alanında işe yaradı çünkü üç bileşen aynı anda vardı: bol veri, paralelleştirilebilir hesaplama ve ucuz değerlendirme. Robotikte üçü de eksik. Veri fiziksel dünyada üretiliyor; hesaplama gerçek zamanlı kontrol kısıtına tabi; değerlendirme ise robotun gerçekten hareket etmesini gerektiriyor. Dolayısıyla robotikteki ilerleme eğrisi, dilin eğrisinin kopyası olmayacak.

Bağlam: veri nereden gelecek?#

Bu tablodaki en kritik satır filo verisi, çünkü tek bileşik getirili olan o: sahada ne kadar robot çalışırsa o kadar veri, o kadar veri ne kadar iyi politika, o kadar iyi politika ne kadar fazla saha. Bu döngüyü ilk kuran oyuncular kalıcı bir avantaj elde edebilir. Dil modellerinde bu avantajı web arşivi sağlamıştı; robotikte kimsenin hazır arşivi yok.

Kanıt: neden hâlâ zor?#

Fiziksel dünyanın dilde karşılığı olmayan üç kısıtı var ve bunlar mimari tercihleri doğrudan belirliyor.

• Geri alınamazlık: yanlış bir cümle silinir, kırılan bir parça kırılmıştır. Hata maliyeti asimetrik.
• Gerçek zaman: kontrol döngüsü milisaniyelerle ölçülür; büyük bir modeli her adımda çağırmak mümkün değil.
• Dağılım kayması: model bir adımı yanlış yaptığında oluşan durum eğitim dağılımının dışına çıkar ve hata birikir.

Bu kısıtlar, saha kurulumlarını iki hızlı bir mimariye zorluyor: yavaş katmanda büyük bir model planlama ve görev ayrıştırması yapıyor, hızlı katmanda küçük ve determinist bir kontrolcü gerçek zamanlı hareketi yürütüyor. Güvenlik sınırları ise her iki katmanın da altında, donanımda uygulanıyor.

1. 1Yavaş katman

   Hedef ayrıştırma ve görev planı; saniyeler mertebesinde.

2. 2Hızlı katman

   Öğrenilmiş politika; on milisaniyeler mertebesinde.

3. 3Kontrolcü

   Klasik hareket kontrolü; milisaniyeler mertebesinde.

4. 4Güvenlik

   Kuvvet, hız ve alan sınırları; donanımda ve modelden bağımsız.

Karşı görüş#

Karşı argüman şu: simülasyon kalitesi ve fotogerçekçi üretim (generative simulation) hızla iyileşiyor; gerçeklik açığı kapanırsa veri darboğazı ortadan kalkar. Bu iddia teknik olarak makul ve kısmen gerçekleşiyor — özellikle görsel çeşitlilik tarafında. Ancak temas fiziği, malzeme deformasyonu ve sürtünme gibi alanlarda simülasyonun hâlâ zayıf olduğu biliniyor; ve tam bu alanlar, kavrama ve montaj gibi ekonomik değeri yüksek görevlerin merkezinde.

İkinci karşı argüman ekonomik: humanoid biçim gerekli mi? Depoda bir kutuyu taşımak için tekerlekli, iki kollu ve daha basit bir platform çoğu zaman daha verimli. Humanoid biçimin gerçek gerekçesi, insan için tasarlanmış ortamlara sonradan girebilmek — bu değerli ama her senaryoda geçerli değil.

Sonuç#

Embodied AI, dil modellerinin yolunu izlemeyecek; kendi eğrisini çizecek. Bu eğride kazananı belirleyecek şey en büyük model değil, en verimli veri toplama makinesi. Bu makine, sahadaki robot filosu ile öğrenme hattını tek bir döngüye bağlayan ekiplerde kurulacak.

Ne yapmalı?#

1. 01Pilotu görev çeşitliliğiyle değil tekrar sayısıyla tanımlayın: az görev, çok tekrar.
2. 02İlk günden veri hattı kurun; sahadaki her denemeyi başarısızlıklarla birlikte saklayın.
3. 03Güvenlik sınırlarını modelin dışında, donanımda uygulayın.
4. 04Biçim tercihini ortam kısıtına dayandırın; humanoid bir varsayılan değil.
5. 05Yatırım kararında demo videosu yerine müdahalesiz çalışma süresini sorun.