"La vidéo ne contient pas de télémontage, - dit Fabricant norvégien de robots humanoïdes 1X. « Pas d'infographie, pas de coupures, pas d'accélération de la vidéo, pas de restitution de la trajectoire selon le script. Tout est contrôlé par des réseaux de neurones, tout est autonome, tout à une vitesse 1X ».
C'est un fabricant d'humanoïdes sur lequel OpenAI a mis ses puces l'année dernière dans le cadre d'un cycle de financement de 25 millions de dollars de série A. Une série B de suivi de 100 millions de dollars a montré à quel point l'attention d'OpenAI, ainsi que le battage médiatique général autour des robots humanoïdes universels, est un concept qui est Cela a toujours semblé être un avenir lointain, mais au cours des deux dernières années, cela s’est transformé en une véritable explosion thermonucléaire.
Les robots humanoïdes de 1X semblent étrangement discrets à côté de ce sur quoi travaillent, disons, Tesla, Figure, Sanctuary ou Agility. L'humanoïde Eve n'a même pas encore de jambes ni de mains agiles. Il se déplace sur une paire de roues motrices, en équilibre sur une troisième petite roue à l'arrière, et ses mains sont des griffes rudimentaires. On dirait qu'il est habillé pour faire de la luge et qu'il possède un visage souriant à LED faiblement clignotant.
Le 1X a une version bipède appelée Neo, qui possède également des bras bien articulés – mais peut-être que ces détails ne sont pas trop importants en ces premiers jours de développement de robots à usage général. La grande majorité des premiers cas d'utilisation ressembleront à ceci : "prenez cette chose et mettez-la là" - il est peu probable que cela nécessite des doigts capables de jouer du piano. Et ils seront principalement utilisés dans les entrepôts aux sols en béton et dans les usines où ils n’auront probablement pas besoin de monter d’escaliers ni d’enjamber quoi que ce soit.
De plus, de nombreux groupes ont résolu le problème de la marche bipède et du bel équipement manuel. Mais ce n’est pas là le principal obstacle. Le principal obstacle est de faire en sorte que ces machines apprennent rapidement les tâches, puis les effectuent de manière autonome, comme le fait Toyota avec les robots manipulateurs de bureau. Lorsque Figure 01 a « compris » comment travailler seule avec une machine à café, ce fut un grand événement. Lorsque l'Optimus de Tesla a plié sa chemise dans la vidéo et s'est révélé être sous le contrôle d'un opérateur humain, c'était beaucoup moins impressionnant.
Les tâches ci-dessus ne sont pas trop difficiles, elles ne consistent pas à plier des chemises ou à faire fonctionner une machine à café. Mais il existe un certain nombre de robots à part entière qui effectuent un certain nombre de tâches, notamment soulever et mettre en place des objets. Ils les saisissent en hauteur de la cheville à la taille. Ils les répartissent dans des caisses, des bacs et des plateaux. Ils ramassent les jouets par terre et les rangent.
Ils ouvrent également les portes, courent jusqu'aux bornes de recharge et s'y branchent, en utilisant ce qui ressemble à une manœuvre accroupie inutilement compliquée pour connecter la prise à leurs chevilles.
En bref, ils font à peu près la même chose qu’ils doivent faire dans les premiers cas d’utilisation humanoïde à usage général, formés, selon 1X, « uniquement sur la base de données ». Essentiellement, l’entreprise a formé 30 robots Eve pour effectuer chacun une série de tâches individuelles, apparemment en utilisant une formation par simulation via vidéo et téléopérations. Ils ont ensuite utilisé ce comportement appris pour former un « modèle de base » capable d’un large éventail d’actions et de comportements. Ce modèle de base a ensuite été affiné pour tenir compte des capacités spécifiques de l’environnement – tâches d’entrepôt, manipulation générale des portes, etc. – et enfin les robots ont été formés sur les tâches spécifiques qu’ils étaient censés effectuer.
Cette dernière étape est susceptible d'avoir lieu sur site chez les clients une fois que les robots auront accompli leurs tâches quotidiennes, et 1X affirme que cela ne prendra "que quelques minutes de collecte de données et de formation sur un GPU de bureau". Vraisemblablement, dans un monde idéal, cela signifierait qu'une personne debout dans un casque VR effectue une tâche, puis qu'un logiciel d'apprentissage en profondeur combine cette tâche avec les capacités clés du robot et l'exécute plusieurs milliers de fois dans une simulation pour tester divers facteurs et résultats aléatoires. .après quoi les robots seront prêts à travailler.
« Au cours de l'année écoulée », écrit Eric Jang, vice-président de l'IA chez 1X, sur son blog, « nous avons développé un moteur de données pour résoudre les tâches courantes de manipulation mobile de bout en bout. Nous avons vu cela fonctionner, c'est pourquoi nous embauchons maintenant des chercheurs en IA dans la région de la baie de San Francisco pour l'adapter à 10 fois le nombre de robots et d'opérateurs de télévision.
Je me demande quand ces choses seront prêtes pour les heures de grande écoute.
Lisez aussi: