источники Google

OpenAI ликвидировала отдельное подразделение по робототехнике, сделав ставку на универсальные ИИ-модели. Компания утверждает, что не отказывается от идеи создавать роботов общего назначения, но больше не считает нужным разрабатывать специализированные модели исключительно для них: универсальные системы, по её мнению, способны справляться с этой задачей.
В начале года исследователи OpenAI рассчитывали развивать робототехнику на базе видеогенератора Sora, который должен был помочь моделям лучше понимать физический мир. Однако позднее компания обнаружила, что её универсальные модели, включая GPT-6 Astra, можно применять для управления роботами напрямую.
Представитель OpenAI отметил, что GPT-6 Astra неожиданно хорошо показала себя в отдельных робототехнических задачах. Это и стало причиной расформирования отдельной команды: её сотрудников перевели в подразделения, занимающиеся более общими ИИ-моделями.
Исследователи по робототехнике вошли в основную исследовательскую организацию OpenAI под руководством директора по исследованиям Марка Чена. Специалисты по прикладной робототехнике и аппаратному обеспечению перешли в подразделение прикладных разработок, которое возглавляет президент компании Грег Брокман.
Решение OpenAI может поставить под вопрос стратегию стартапов, которые делают ставку на специализированные робототехнические модели с «пространственным интеллектом». Тем не менее практический опыт эксплуатации роботов и данные, собранные в реальной среде, по-прежнему остаются ценным активом.
Расс Тедрейк, сооснователь и CEO Walden Robotics, подчеркнул, что у робототехнических компаний есть преимущество перед ИИ-лабораториями: их машины уже работают в реальных условиях, например на заводах. По его мнению, более мощные базовые модели делают данные конкретного предприятия ещё полезнее, поскольку роботы смогут быстрее обучаться на них.
Универсальные модели уже тестируют как «мозг» робота без дополнительного обучения на специализированных робототехнических данных. В таких экспериментах модель получает изображения с камер, информацию о роботе и интерфейс для выдачи команд.
В исследовании Nvidia агент на базе GPT-6 Astra справился с 74,8% задач по манипулированию объектами. Лучший опубликованный результат специализированных робототехнических моделей в том же рейтинге составил 51%. Однако испытания проводились в симуляции, поэтому переносить эти цифры на реальные устройства пока преждевременно.
У крупных универсальных моделей остаются практические недостатки: обработка запросов требует времени, а работа через облако предполагает постоянное сетевое подключение. Поэтому, по мнению Гуаньи Ши, доцента Института робототехники Университета Карнеги — Меллона, компактные специализированные модели всё ещё необходимы: они могут работать непосредственно на бортовом компьютере робота.
Какой подход — универсальные модели или специализированные системы — окажется успешнее в долгосрочной перспективе, пока неясен. Такое мнение высказал Пит Флоренс, сооснователь стартапа Generalist, который разрабатывает универсальные ИИ-модели для роботов.












Горячие темы