Covariant ka njoftuar lançimin e RFM-1 (Model 1 i Fondacionit Robotics). Peter Chen, bashkëthemeluesi dhe CEO i inteligjencës artificiale të UC Berkeley thotë se platforma, “është në thelb një model i madh gjuhësor (LLM), por për gjuhën robotike”.
RFM-1 është rezultat, ndër të tjera, i një sasie masive të dhënash të mbledhura nga vendosja e platformës së Covariant’s Brain AI. Me pëlqimin e klientit, startup-i ka ndërtuar robotin ekuivalent të një baze të dhënash LLM.
“Vizioni i RFM-1 është të fuqizojë miliarda robotë që do të vijnë. Ne në Covariant kemi vendosur tashmë shumë robotë në magazina me sukses. Por ky nuk është kufiri ku duam të arrijmë. Ne vërtet duam të fuqizojmë robotët në prodhim, përpunimin e ushqimit, riciklimin, bujqësinë, industrinë e shërbimeve dhe madje edhe në shtëpitë e njerëzve”, thotë Chen.
Tani për tani, softueri i Covariant është vendosur kryesisht në krahët robotikë industrialë që kryejnë një sërë detyrash të njohura të depove, duke përfshirë punë si: mbledhja e koshit. Aktualisht nuk është i vendosur në humanoidë, megjithëse kompania po premton një nivel të agnosticizmit të harduerit.
“Ne na pëlqen shumë, nga puna që po ndodh në hapësirën harduerike të robotëve për qëllime më të përgjithshme. Bashkimi i pikës së përkuljes së inteligjencës me pikën e përkuljes së harduerit është vendi ku do të shohim edhe më shumë shpërthim të aplikacioneve të robotëve. Por, shumë prej tyre nuk janë ende plotësisht atje, veçanërisht në anën e harduerit. Është shumë e vështirë të shkosh përtej videos së skenës . Sa njerëz kanë ndërvepruar personalisht me një humanoid? Kjo ju tregon shkallën e pjekurisë”, thotë Chen.
Megjithatë, Covariant nuk i shmanget krahasimeve njerëzore kur bëhet fjalë për rolin që luan RFM-1 në proceset e vendimmarrjes së robotëve. Sipas materialit të saj për shtyp, platforma “u ofron robotëve aftësinë e njeriut për të arsyetuar, duke përfaqësuar herën e parë që Generative AI u ka dhënë me sukses robotëve komercialë një kuptim më të thellë të gjuhës dhe botës fizike”.
Ky është një largim nga sistemet tradicionale robotike që janë të programuara në një punë në mënyrë të përsëritur, deri në pafundësi. Robotë të tillë me një qëllim të vetëm kanë lulëzuar në mjedise shumë të strukturuara, duke filluar me linjat e montimit të automobilave. Për sa kohë që ka ndryshime minimale në detyrën në fjalë, një krah roboti mund ta bëjë punën e tij pa pushim dhe pa pengesa.
Gjërat mund të prishen shpejt, megjithatë, edhe me devijimet më të vogla. Për shembull, objekti mund të mos jetë vendosur saktësisht në rripin transportues, ose ka pasur një rregullim të ndriçimit që ndikon në kamerat në bord. Këto lloj dallimesh mund të kenë një ndikim të madh në aftësinë e robotit për të ekzekutuar. Tani imagjinoni të përpiqeni ta bëni atë robot të punojë me një pjesë të re, material të ri apo edhe të bëjë një detyrë krejtësisht të ndryshme. Kjo është edhe më e vështirë.
Kjo është pika ku programuesit tradicionalisht ndërhyjnë. Roboti duhet të riprogramohet. Më shpesh sesa jo, dikush nga jashtë katit të fabrikës hyn në foto. Ky është një harxhim i madh i burimeve dhe kohës. Nëse dëshironi ta shmangni këtë, duhet të ndodhë një nga dy gjërat. 1. Njerëzit që punojnë në “dysheme” duhet të mësojnë kodin ose 2. Ju duhet një metodë e re, më e natyrshme për të bashkëvepruar me robotin.
Nga këndvështrimi i klientit, platforma paraqitet si një fushë teksti, njëlloj si përsëritja aktuale e AI gjeneruese që përballet me konsumatorin. Nëse fusni një komandë teksti si: “merr mollën” duke shtypur ose me zë, dhe sistemi përdor të dhënat e tij të trajnimit (formën, ngjyrën, madhësinë, etj) për të identifikuar objektin përpara tij që përputhet më shumë me atë përshkrim.
RFM-1 më pas gjeneron rezultate video, në thelb simulime, për të përcaktuar kursin më të mirë të veprimit duke përdorur trajnimin e kaluar. Kjo pjesë e fundit është e ngjashme me mënyrën se si truri përpunon rezultatet e mundshme të një veprimi përpara ekzekutimit.
Gjatë një demonstrimi të drejtpërdrejtë, sistemi reagon ndaj hyrjeve si “marrë objektin e kuq” . Shumë ide të mëdha hidhen kur diskutohet për premtimin e sistemit. Të paktën, Covariant ka një origjinë mbresëlënëse midis themeluesve të saj. Chen studioi AI në Berkeley nën Pieter Abbeel, bashkëthemeluesin e tij Covariant dhe Shef Shkencëtar. Abbeel gjithashtu u bë një punonjës i hershëm i OpenAI në 2016, një muaj pasi Chen iu bashkua firmës ChatGPT. Covariant u themelua vitin e ardhshëm.
Chen thotë se kompania pret që platforma e re RFM-1 të funksionojë me një shumicë të harduerit në të cilin programi Covariant është vendosur tashmë.
Që nga viti 2015 nxisim shpirtin sipërmarrës, inovacionin dhe rritjen personale duke ndikuar në zhvillimin e një mjedisi motivues dhe pozitiv tek lexuesit tanë. Mbështetja juaj na ndihmon ta vazhdojmë këtë mision.
Na Suporto
