NRN Agents анонсировала запуск новой интеграции робототехники через свой NRN Agent SDK, который включает в себя полную среду Sim-to-Real и представление роботизированных видов спорта (Robotic Sports). Эта инициатива призвана служить соревновательной средой для ускорения исследований в области общего искусственного интеллекта (AGI), делая акцент на воплощенном ИИ (embodied AI). В отличие от моделей, обученных исключительно на тексте или статичных данных, системы воплощенного ИИ взаимодействуют с физическим миром и учатся на нем, представляя собой уникальный набор задач и возможностей.
Воплощенный ИИ
В отличие от больших языковых моделей, которые работают со статичными наборами данных, собранными из интернета, робототехника требует иной парадигмы. Системы воплощенного ИИ должны адаптироваться в реальном времени, взаимодействуя с непредсказуемыми средами и реагируя на сложные физические стимулы. Эти системы динамичны по своей природе, и они не могут полагаться на однократный сбор данных или единственный офлайн-процесс обучения. Переменные физического мира, такие как температура, состояние поверхности и механический износ, требуют от роботов непрерывного обучения и корректировки. Эта потребность в обучении в реальном времени ставит воплощенный ИИ во главе движения к AGI.
NRN Agents представляет Robotic Sports для развития AGI
Решение проблем с данными и обучение в реальном мире
Критическим препятствием в робототехнике является нехватка разнообразных и масштабируемых данных. Хотя симуляционные среды могут помочь, они не могут полностью воспроизвести сложность физического мира. Чтобы преодолеть этот разрыв, NRN разрабатывает высокоточные конвейеры Sim-to-Real, которые позволяют роботам, обученным в виртуальных средах, эффективно работать в реальных условиях. Сбор данных из реального мира, включая видеозахват, отслеживание движений и телеоперацию, дополнительно дополняет обучение на основе симуляции, предлагая разнообразные сценарии, обогащающие процесс обучения.
Кроме того, архитектурные инновации, такие как трансферное обучение (transfer learning), помогают роботизированным системам применять знания, полученные в одной области, в другой. Это снижает потребность в переобучении и обеспечивает более быструю адаптацию. Платформа NRN также включает циклы непрерывного обучения (continual learning loops), где роботы могут постепенно учиться на основе опыта реального мира и сохранять ранее приобретенные знания. Этот подход помогает снизить требования к данным и позволяет создавать более отзывчивые и масштабируемые роботизированные системы.
NRN Agents представляет Robotic Sports для развития AGI
Платформа, созданная для масштабируемых исследований в области робототехники
NRN Agents создала платформу, призванную трансформировать обучение роботов из статичного процесса в постоянно развивающуюся систему. NRN Agent SDK включает несколько основных компонентов, способствующих достижению этой цели. SDK включает в себя браузерный интерфейс, который позволяет пользователям собирать данные о робототехнике через игровой интерфейс. Этот геймифицированный подход не требует установки или технических знаний, позволяя пользователям интуитивно управлять симулированными роботами из своих браузеров. Данные, полученные в результате этого взаимодействия, напрямую поступают в обучающие конвейеры NRN, делая их доступными для более широкого участия в исследованиях.
Платформа также включает систему краудсорсинга для сбора структурированных данных о человеческом поведении. Используя модель стимулирования на основе web3, участники могут предоставлять демонстрации поведения, которые затем оцениваются по ценности и уникальности. Эта система не только увеличивает разнообразие набора данных, но и обеспечивает качество данных за счет алгоритмической атрибуции.
Фреймворк непрерывного обучения в NRN SDK дополнительно поддерживает адаптивность. Роботы могут обновлять свое поведение посредством циклов обратной связи sim-to-real-to-sim, реагируя на изменения в окружающей среде при сохранении производительности. Легкая обработка на периферии и эффективные механизмы обновления помогают гарантировать, что поведение остается согласованным с физической реальностью, даже при изменении условий оборудования.
NRN Agents представляет Robotic Sports для развития AGI
От AI Arena к Robotic Sports
Основа NRN Agents в разработке ИИ началась с AI Arena — соревновательной платформы, где виртуальные ИИ-агенты обучались посредством имитации и обучения с подкреплением. Переход от AI Arena к Robotic Sports представляет собой логическое развитие, перенося принципы адаптивного обучения на основе игр в физическую сферу. В этом новом контексте Robotic Sports служат реальными испытательными полигонами для воплощенного ИИ, заставляя системы справляться с непредсказуемостью, физическими ограничениями и крайними случаями, которые трудно воспроизвести в виртуальных симуляциях.
Эти соревновательные сценарии могут включать роботизированные гонки, легкую атлетику и боевые действия, подчеркивая обучение в реальном времени и адаптивность. Robotic Sports — это не просто демонстрация производительности; это исследовательские среды, где системы воплощенного ИИ могут тестироваться, улучшаться и сравниваться с реальными задачами.
NRN Agents представляет Robotic Sports для развития AGI
Влияние робототехники на исследования AGI
Robotic Sports позиционируются NRN как критически важный компонент в более широком стремлении к AGI. Платформа продвигает исследования благодаря модульным ИИ-архитектурам, которые масштабируются на различных аппаратных платформах, поведенческим данным, полученным от широкого круга пользователей, системам трансферного обучения, которые сокращают время обучения, и циклам непрерывного обучения, которые улучшают долгосрочную адаптивность. Эти объединенные элементы создают среду, в которой ИИ может развиваться в ответ на физические входные данные, добиваясь прогресса в создании систем, которые одновременно интеллектуальны и способны к физическому взаимодействию.
Дорожная карта NRN и будущее развитие
NRN Agents реализует свою дорожную карту в два основных этапа. Первый этап фокусируется на проверке основных концепций с использованием системы роботизированной руки, известной как RME-1. Первоначальные демонстрации включают манипулирование объектами, точный контроль движений и простые физические задачи. Эти ранние реализации предназначены для подтверждения надежности систем сбора данных и непрерывного обучения NRN.
Второй этап направлен на расширение возможностей системы до полномасштабных Robotic Sports. Это будет включать соревновательные форматы, такие как боевые действия гуманоидных роботов, гонки дронов и спортивные соревнования, которые подчеркивают адаптацию к местности и точность управления. Эти приложения послужат практическим эталоном для оценки прогресса AGI в воплощенных системах.
NRN Agents представляет Robotic Sports для развития AGI
Продвижение ИИ к физическому фронтиру
Хотя ИИ добился существенного прогресса в таких областях, как обработка текста, изображений и видео, это в основном структурированные среды. Робототехника, напротив, вносит непредсказуемость и требует взаимодействия с физическим миром. Это делает робототехнику жизненно важным испытательным полигоном для AGI, где системы должны демонстрировать не только вычислительный интеллект, но и физическую компетентность и адаптивность в реальном времени.
Благодаря своей работе в области Robotic Sports и воплощенного ИИ, NRN Agents создает инфраструктуру, необходимую для тестирования и улучшения универсальных ИИ-систем. Объединяя сбор данных на основе сообщества, адаптивное обучение и проверку в реальном мире, NRN способствует более полному пониманию того, что потребуется для достижения AGI. Для тех, кто заинтересован в отслеживании прогресса NRN, дополнительная информация доступна в техническом документе NRN Robotics Whitepaper.
