Wenn ein Roboter nur eine einzige Aktion lernen kann
ist er eigentlich noch nicht so intelligent
Das Problem ist eher:
Wenn er einmal Greifen gelernt hat – kann er dann danach auch Dinge sortieren?
Kann er nach dem Sortieren die Gegenstände weiter wegtragen?
Das ist auch das Spannendste an Axis’ diesjährigem Update
Sie fangen jetzt damit an, die Fähigkeiten des Roboters in einzelne Expertensysteme zu zerlegen
Greifen = eine Fähigkeit
Sortieren = eine Fähigkeit
Transportieren = eine Fähigkeit
Platzieren = eine Fähigkeit
Und diese Fähigkeiten werden dann direkt aneinandergekettet:
Greifen → Sortieren → Transportieren → Platzieren
Sobald der vorherige Expert fertig ist, übergibt er das Ergebnis an den nächsten
Man kann es so verstehen:
Früher hat man dem Roboter beigebracht, eine Aufgabe zu lösen
Jetzt fangen sie an, dem Roboter einen Skills-Tree zusammenzustellen
Und das ist nicht nur eine Geschichte
In Axís neuesten Experimenten ist eine sehr anschauliche Zahl:
Erfolgsquote echter Roboter 22% → 52%
Sie nehmen die echten Daten aus der Welt, die durch die eingesetzten Strategien entstehen
und nutzen sie dann erneut zum Training –
die Erfolgsquote steigt deutlich
Und es gibt noch eine zweite Zahl, die ziemlich wichtig ist: $5–$10 / task
Die Trainingskosten für einen Expert können bereits dieses Niveau erreichen
Ein einzelnes A100 braucht etwa 3–6 Stunden, um einen Expert zu trainieren
Wenn man es also jetzt aus dieser Perspektive betrachtet, wirkt Axis eher nicht mehr so sehr interessiert nur zu fragen:
Wie viele Daten haben sie noch gesammelt?
Denn mehr Daten bedeuten nicht unbedingt, dass der Roboter wirklich etwas gelernt hat
Wichtiger ist eher:
Wie viele echte, nutzbare, wiederverwendbare und sich gegenseitig kombinierbare Fähigkeiten lassen sich aus diesen Daten letztlich ableiten?
Das ist der Unterschied
Wenn der Roboter heute Greifen lernt,
morgen Sortieren,
am übermorgen Transportieren,
und schließlich diese Fähigkeiten noch zusammenfügen kann,
dann sind das nicht nur ein paar isolierte Handlungen
sondern ein ganzes Set, das sich ständig erweitern lässt:
Robot Skills Library
Daher hat Axis inzwischen das Gefühl langsam von:
More Data
hin zu:
More Skills → Skills Can Compose → More Complex Tasks
Daten sind nur der Anfang
Entscheidend ist, was der Roboter tatsächlich aus diesen Daten lernt
#AXIS #PhysicalAI @axisrobotics #Kaito @KaitoAI
ist er eigentlich noch nicht so intelligent
Das Problem ist eher:
Wenn er einmal Greifen gelernt hat – kann er dann danach auch Dinge sortieren?
Kann er nach dem Sortieren die Gegenstände weiter wegtragen?
Das ist auch das Spannendste an Axis’ diesjährigem Update
Sie fangen jetzt damit an, die Fähigkeiten des Roboters in einzelne Expertensysteme zu zerlegen
Greifen = eine Fähigkeit
Sortieren = eine Fähigkeit
Transportieren = eine Fähigkeit
Platzieren = eine Fähigkeit
Und diese Fähigkeiten werden dann direkt aneinandergekettet:
Greifen → Sortieren → Transportieren → Platzieren
Sobald der vorherige Expert fertig ist, übergibt er das Ergebnis an den nächsten
Man kann es so verstehen:
Früher hat man dem Roboter beigebracht, eine Aufgabe zu lösen
Jetzt fangen sie an, dem Roboter einen Skills-Tree zusammenzustellen
Und das ist nicht nur eine Geschichte
In Axís neuesten Experimenten ist eine sehr anschauliche Zahl:
Erfolgsquote echter Roboter 22% → 52%
Sie nehmen die echten Daten aus der Welt, die durch die eingesetzten Strategien entstehen
und nutzen sie dann erneut zum Training –
die Erfolgsquote steigt deutlich
Und es gibt noch eine zweite Zahl, die ziemlich wichtig ist: $5–$10 / task
Die Trainingskosten für einen Expert können bereits dieses Niveau erreichen
Ein einzelnes A100 braucht etwa 3–6 Stunden, um einen Expert zu trainieren
Wenn man es also jetzt aus dieser Perspektive betrachtet, wirkt Axis eher nicht mehr so sehr interessiert nur zu fragen:
Wie viele Daten haben sie noch gesammelt?
Denn mehr Daten bedeuten nicht unbedingt, dass der Roboter wirklich etwas gelernt hat
Wichtiger ist eher:
Wie viele echte, nutzbare, wiederverwendbare und sich gegenseitig kombinierbare Fähigkeiten lassen sich aus diesen Daten letztlich ableiten?
Das ist der Unterschied
Wenn der Roboter heute Greifen lernt,
morgen Sortieren,
am übermorgen Transportieren,
und schließlich diese Fähigkeiten noch zusammenfügen kann,
dann sind das nicht nur ein paar isolierte Handlungen
sondern ein ganzes Set, das sich ständig erweitern lässt:
Robot Skills Library
Daher hat Axis inzwischen das Gefühl langsam von:
More Data
hin zu:
More Skills → Skills Can Compose → More Complex Tasks
Daten sind nur der Anfang
Entscheidend ist, was der Roboter tatsächlich aus diesen Daten lernt
#AXIS #PhysicalAI @axisrobotics #Kaito @KaitoAI