Se um robô só consegue aprender um único movimento
na verdade, ele ainda não é tão inteligente.
O que realmente dá trabalho é:
quando ele aprende a pegar coisas, ele consegue depois classificá-las?
Depois que ele classifica, consegue continuar levando?
Esse é justamente o ponto mais interessante desta atualização da Axis.
Agora, eles começam a decompor as capacidades do robô em vários Experts:
Pegar = uma habilidade
Classificar = uma habilidade
Transportar = uma habilidade
Posicionar = uma habilidade
Então conectam essas habilidades diretamente em sequência:
Pegar → Classificar → Transportar → Posicionar
O Expert anterior conclui e entrega o resultado para o próximo.
Dá para entender assim:
antes era ensinar o robô a resolver um único problema.
Agora é começar a montar uma árvore de habilidades para o robô.
E isso não é só uma história.
No experimento mais recente da Axis, um dado bem intuitivo é:
taxa de sucesso do robô real 22% → 52%
Eles pegam os dados do mundo real gerados pela estratégia após o deploy
e trazem de volta para continuar treinando; a taxa de sucesso melhora de forma clara.
Há também outro número bem importante: $5–$10 / task
O custo de treinar um Expert já pode chegar a essa ordem de grandeza.
Uma A100 leva cerca de 3–6 horas para treinar um Expert.
Então, agora que a gente volta a olhar para a Axis, fica menos vontade de só perguntar:
“quantas entradas/dados eles coletaram?”
Porque mais dados não significa que o robô realmente tenha aprendido algo.
O que eles querem saber é:
quantas habilidades de verdade, que sejam úteis, reutilizáveis e ainda por cima combináveis entre si, esses dados conseguem consolidar no final?
É nisso que está a diferença.
Se hoje o robô aprender a pegar,
amanhã aprender a classificar,
depois de amanhã aprender a transportar,
e no fim ainda conseguir juntar essas capacidades em conjunto,
então ele não ganha apenas alguns movimentos isolados.
Ele ganha um conjunto que pode ser continuamente ampliado:
Robot Skills Library
Por isso, a sensação da Axis agora está mudando aos poucos de:
Mais Dados
para:
Mais Habilidades → Habilidades Podem ser Combinadas → Tarefas Mais Complexas
Dados são apenas o começo.
O que realmente importa é:
que tipo de habilidades o robô consegue aprender com esses dados?
#AXIS #PhysicalAI @axisrobotics #Kaito @KaitoAI
na verdade, ele ainda não é tão inteligente.
O que realmente dá trabalho é:
quando ele aprende a pegar coisas, ele consegue depois classificá-las?
Depois que ele classifica, consegue continuar levando?
Esse é justamente o ponto mais interessante desta atualização da Axis.
Agora, eles começam a decompor as capacidades do robô em vários Experts:
Pegar = uma habilidade
Classificar = uma habilidade
Transportar = uma habilidade
Posicionar = uma habilidade
Então conectam essas habilidades diretamente em sequência:
Pegar → Classificar → Transportar → Posicionar
O Expert anterior conclui e entrega o resultado para o próximo.
Dá para entender assim:
antes era ensinar o robô a resolver um único problema.
Agora é começar a montar uma árvore de habilidades para o robô.
E isso não é só uma história.
No experimento mais recente da Axis, um dado bem intuitivo é:
taxa de sucesso do robô real 22% → 52%
Eles pegam os dados do mundo real gerados pela estratégia após o deploy
e trazem de volta para continuar treinando; a taxa de sucesso melhora de forma clara.
Há também outro número bem importante: $5–$10 / task
O custo de treinar um Expert já pode chegar a essa ordem de grandeza.
Uma A100 leva cerca de 3–6 horas para treinar um Expert.
Então, agora que a gente volta a olhar para a Axis, fica menos vontade de só perguntar:
“quantas entradas/dados eles coletaram?”
Porque mais dados não significa que o robô realmente tenha aprendido algo.
O que eles querem saber é:
quantas habilidades de verdade, que sejam úteis, reutilizáveis e ainda por cima combináveis entre si, esses dados conseguem consolidar no final?
É nisso que está a diferença.
Se hoje o robô aprender a pegar,
amanhã aprender a classificar,
depois de amanhã aprender a transportar,
e no fim ainda conseguir juntar essas capacidades em conjunto,
então ele não ganha apenas alguns movimentos isolados.
Ele ganha um conjunto que pode ser continuamente ampliado:
Robot Skills Library
Por isso, a sensação da Axis agora está mudando aos poucos de:
Mais Dados
para:
Mais Habilidades → Habilidades Podem ser Combinadas → Tarefas Mais Complexas
Dados são apenas o começo.
O que realmente importa é:
que tipo de habilidades o robô consegue aprender com esses dados?
#AXIS #PhysicalAI @axisrobotics #Kaito @KaitoAI