Jika sebuah robot hanya bisa mempelajari satu gerakan
sebenarnya itu belum terlalu pintar
Masalah yang benar-benar rumit adalah:
setelah ia belajar mengambil sesuatu, apakah ia bisa terus mengklasifikasikannya?
setelah diklasifikasikan, apakah ia bisa melanjutkan untuk memindahkannya?
Inilah bagian paling menarik dari pembaruan Axis kali ini
Sekarang mereka mulai memecah kemampuan robot menjadi beberapa Expert
Mengambil = satu kemampuan
Mengklasifikasikan = satu kemampuan
Memindahkan = satu kemampuan
Menempatkan = satu kemampuan
Lalu rangkaian kemampuan ini langsung disusun menjadi:
Mengambil → Mengklasifikasikan → Memindahkan → Menempatkan
Setelah Expert sebelumnya selesai, hasilnya langsung diserahkan ke Expert berikutnya
Kamu bisa memahaminya seperti ini:
Dulu mengajari robot mengerjakan satu soal
Sekarang mulai mengumpulkan skill untuk membangun pohon keterampilan
Dan ini bukan sekadar cerita
Dalam eksperimen terbaru Axis, satu data yang sangat intuitif adalah:
keberhasilan robot nyata 22% → 52%
Mereka mengambil data dunia nyata yang dihasilkan oleh strategi setelah deployment
lalu memakainya lagi untuk pelatihan lanjutan
tingkat keberhasilan meningkat secara jelas
Ada juga angka lain yang cukup kunci: $5–$10 / task
Biaya pelatihan satu Expert saja sudah bisa mencapai skala sebesar itu
Satu A100 kira-kira 3–6 jam untuk melatih satu Expert
Jadi sekarang, saat melihat Axis, malah tidak terlalu ingin hanya bertanya:
berapa banyak data yang mereka kumpulkan lagi
karena data yang banyak tidak berarti robot benar-benar sudah mempelajari sesuatu
Yang ingin diketahui justru:
akhirnya data-data ini bisa menghasilkan berapa banyak skill yang benar-benar berguna, bisa dipakai ulang, dan bisa saling dikombinasikan?
Inilah pembeda
Jika hari ini robot belajar mengambil
besok belajar mengklasifikasikan
lusa belajar memindahkan
dan pada akhirnya masih bisa menyatukan semua kemampuan itu
maka yang didapatnya bukan sekadar beberapa gerakan yang berdiri sendiri
melainkan satu paket yang bisa terus dikembangkan:
Robot Skills Library
Jadi sekarang, cara pandang Axis perlahan bergeser dari:
More Data
menjadi:
More Skills → Skills Can Compose → More Complex Tasks
Data hanyalah awal
Yang sesungguhnya adalah: apa yang robot benar-benar bisa pelajari dari data-data ini
#AXIS #PhysicalAI @axisrobotics #Kaito @KaitoAI
sebenarnya itu belum terlalu pintar
Masalah yang benar-benar rumit adalah:
setelah ia belajar mengambil sesuatu, apakah ia bisa terus mengklasifikasikannya?
setelah diklasifikasikan, apakah ia bisa melanjutkan untuk memindahkannya?
Inilah bagian paling menarik dari pembaruan Axis kali ini
Sekarang mereka mulai memecah kemampuan robot menjadi beberapa Expert
Mengambil = satu kemampuan
Mengklasifikasikan = satu kemampuan
Memindahkan = satu kemampuan
Menempatkan = satu kemampuan
Lalu rangkaian kemampuan ini langsung disusun menjadi:
Mengambil → Mengklasifikasikan → Memindahkan → Menempatkan
Setelah Expert sebelumnya selesai, hasilnya langsung diserahkan ke Expert berikutnya
Kamu bisa memahaminya seperti ini:
Dulu mengajari robot mengerjakan satu soal
Sekarang mulai mengumpulkan skill untuk membangun pohon keterampilan
Dan ini bukan sekadar cerita
Dalam eksperimen terbaru Axis, satu data yang sangat intuitif adalah:
keberhasilan robot nyata 22% → 52%
Mereka mengambil data dunia nyata yang dihasilkan oleh strategi setelah deployment
lalu memakainya lagi untuk pelatihan lanjutan
tingkat keberhasilan meningkat secara jelas
Ada juga angka lain yang cukup kunci: $5–$10 / task
Biaya pelatihan satu Expert saja sudah bisa mencapai skala sebesar itu
Satu A100 kira-kira 3–6 jam untuk melatih satu Expert
Jadi sekarang, saat melihat Axis, malah tidak terlalu ingin hanya bertanya:
berapa banyak data yang mereka kumpulkan lagi
karena data yang banyak tidak berarti robot benar-benar sudah mempelajari sesuatu
Yang ingin diketahui justru:
akhirnya data-data ini bisa menghasilkan berapa banyak skill yang benar-benar berguna, bisa dipakai ulang, dan bisa saling dikombinasikan?
Inilah pembeda
Jika hari ini robot belajar mengambil
besok belajar mengklasifikasikan
lusa belajar memindahkan
dan pada akhirnya masih bisa menyatukan semua kemampuan itu
maka yang didapatnya bukan sekadar beberapa gerakan yang berdiri sendiri
melainkan satu paket yang bisa terus dikembangkan:
Robot Skills Library
Jadi sekarang, cara pandang Axis perlahan bergeser dari:
More Data
menjadi:
More Skills → Skills Can Compose → More Complex Tasks
Data hanyalah awal
Yang sesungguhnya adalah: apa yang robot benar-benar bisa pelajari dari data-data ini
#AXIS #PhysicalAI @axisrobotics #Kaito @KaitoAI