Οι Ευρωπαίοι ρομποτιστές παρουσίασαν ένα ισχυρό μοντέλο τεχνητής νοημοσύνης ανοιχτού κώδικα που λειτουργεί ως εγκέφαλος για βιομηχανικά ρομπότ – βοηθώντας τα να πιάνουν και να χειρίζονται αντικείμενα με νέα επιδεξιότητα.
Το νέο μοντέλο, SPEAR-1, αναπτύχθηκε από ερευνητές στο Ινστιτούτο Επιστήμης Υπολογιστών, Τεχνητής Νοημοσύνης και Τεχνολογίας (INSAIT) στη Βουλγαρία. Μπορεί να βοηθήσει άλλους ερευνητές και νεοφυείς επιχειρήσεις να δημιουργήσουν και να πειραματιστούν με εξυπνότερο υλικό για εργοστάσια και αποθήκες.
«Τα γλωσσικά μοντέλα είναι κρίσιμα για την πρόοδο της ενσωματωμένης τεχνητής νοημοσύνης»
Όπως τα ανοιχτά μοντέλα γλώσσας επέτρεψαν σε ερευνητές και εταιρείες να πειραματιστούν με τη γενετική ΤΝ, ο Μάρτιν Βέτσεφ, επιστήμονας υπολογιστών στο INSAIT και στο ETH Zurich, λέει ότι το SPEAR-1 θα βοηθήσει τους ρομποτιστές να πειραματίζονται και να βελτιώνουν τα μοντέλα τους ταχύτερα.
«Τα μοντέλα ανοιχτών βαρών είναι κρίσιμα για την πρόοδο της ενσωματωμένης ΤΝ», δήλωσε ο Βέτσεφ στο WIRED πριν από την κυκλοφορία του μοντέλου.
Το SPEAR-1 διαφέρει από τα υπάρχοντα θεμελιώδη ρομποτικά μοντέλα στο ότι ενσωματώνει δεδομένα 3D στο εκπαιδευτικό του σύνολο. Αυτό προσδίδει στο μοντέλο μια ενισχυμένη κατανόηση του φυσικού κόσμου, καθιστώντας ευκολότερη την κατανόηση του τρόπου με τον οποίο τα αντικείμενα κινούνται μέσα στον χώρο.
«Η προσέγγισή μας αντιμετωπίζει την αναντιστοιχία μεταξύ του τρισδιάστατου χώρου στον οποίο λειτουργεί το ρομπότ και της γνώσης του VLM που αποτελεί τον πυρήνα του θεμελιώδους ρομποτικού μοντέλου», εξηγεί ο Βέτσεφ.
Επιδόσεις συγκρίσιμες με εμπορικά μοντέλα
Το SPEAR-1 είναι περίπου εξίσου ικανό με τα εμπορικά θεμελιώδη μοντέλα που έχουν σχεδιαστεί για τη λειτουργία ρομπότ, σύμφωνα με τις μετρήσεις στο RoboArena, ένα benchmark που αξιολογεί την ικανότητα ενός μοντέλου να κάνει ένα ρομπότ να εκτελεί εργασίες όπως το να σφίγγει ένα μπουκάλι κέτσαπ, να κλείνει ένα συρτάρι ή να συρράπτει φύλλα χαρτιού.
Η κούρσα για την κατασκευή πιο έξυπνων ρομπότ έχει ήδη δισεκατομμύρια δολάρια σε επενδύσεις. Το εμπορικό δυναμικό των γενικών ικανοτήτων των ρομπότ έχει γεννήσει νεοφυείς επιχειρήσεις όπως οι Skild και Generalist, εκτός από την Physical Intelligence. Το SPEAR-1 είναι σχεδόν εξίσου καλό με το Pi-0.5 της Physical Intelligence, μιας startup αξίας δισεκατομμυρίων που ιδρύθηκε από κορυφαίους ερευνητές ρομποτικής.
Το μέλλον της ρομποτικής νοημοσύνης
Το SPEAR-1 υποδηλώνει ότι η αναζήτηση για πιο έξυπνα ρομπότ μπορεί να περιλαμβάνει τόσο κλειστά μοντέλα, όπως αυτά των OpenAI, Google και Anthropic, όσο και ανοιχτά μοντέλα όπως τα Llama, DeepSeek και Qwen.
Ο Καρλ Περτς από την εταιρεία Physical Intelligence δηλώνει ότι είναι πολύ νωρίς για να γνωρίζουμε πόσο σημαντικά θα αποδειχθούν τα δεδομένα 3D για τα ρομποτικά θεμελιώδη μοντέλα. Ωστόσο, αναγνωρίζει ότι το SPEAR-1 δείχνει πόσο γρήγορα εξελίσσονται τα πιο γενικά ρομποτικά μοντέλα. «Είναι πραγματικά συναρπαστικό να βλέπουμε ακαδημαϊκές ομάδες να δημιουργούν γενικές πολιτικές που μπορούν να αξιολογηθούν σε ποικίλα περιβάλλοντα και να επιτυγχάνουν σημαντικές επιδόσεις», λέει. «Αυτό δεν ήταν εφικτό ούτε πριν από έναν χρόνο».