La robotique fonctionne de manière assez similaire à l'IA.
Vous avez besoin de beaucoup de données de haute qualité pour fonctionner, sauf que vous ne pouvez pas simplement extraire des données robotiques d'Internet car cela nécessite une expérience et des variables du monde réel.
Il n'y a pas d'« Internet des actions des robots ».
Des tonnes d'équipes travaillent et investissent de l'argent stupide dans les humanoïdes car ils représentent l'industrie de la décatrillion de dollars la plus évidente en raison de l'efficacité avec laquelle ils transformeront la force de travail (plus efficace qu'un salaire moyen indien à 50 000 $ USD chacun).
Mais la plus grande course, comme l'IA, est :
1. Obtenir des données de qualité 2. Tâches de formation
Les modèles fondamentaux sont comme les LLM dans l'IA, mais au lieu de générer du texte, ils génèrent des actions pour les robots.
Il existe plusieurs approches différentes que les équipes adoptent pour la formation des tâches, certaines utilisant de petits ensembles de données de haute fidélité avec étiquetage comme Figure et d'autres optant pour une approche de type "spray and pray" avec des modèles massifs.
L'objectif est de donner aux robots un sens commun large et pré-entraîné ainsi que la capacité de généraliser à travers les tâches et les environnements.
Au lieu de programmer un robot pour chaque tâche, vous entraînez un grand modèle sur des données diverses (vidéos d'humains, simulations, démonstrations de réels robots, images avec descriptions textuelles des tâches, etc), et le modèle acquiert une compréhension incarnée du monde physique.
Vous pouvez alors inviter le robot à faire quelque chose ( par une commande ou un exemple ), et la "connaissance" du modèle de base entre en jeu pour s'en occuper, comme vous pouvez demander n'importe quoi à ChatGPT.
Ainsi, le grand décalage pour beaucoup de ces entreprises se situera dans le domaine de la formation aux tâches, elles se concentrent actuellement profondément sur le côté des données (simulations du monde, données synthétiques, trajectoires de robots, vidéos humaines, etc) car elles en ont besoin pour interagir parfaitement avec le monde réel, mais il n'y a pas autant de développement sur ce que les robots/humanoïdes peuvent réellement faire.
Nvidia est à la tête de l'un des modèles de base clés (Issac GR00T) qu'ils ont entièrement open source. Ils ont déjà eu des équipes tierces qui travaillent dessus et améliorent considérablement l'efficacité (ont essentiellement créé un programme pour que des humanoïdes nettoient une pièce avec des changements minimes aux données des modèles de base).
Donc, le grand chevauchement entre la crypto, l'IA et la robotique se situera très probablement dans ce secteur de formation des tâches (comme un App Store de robotique) puisque les principaux modèles fondamentaux sont déjà en train de devenir open source et il y aura probablement de grands modèles d'incitation pour que les développeurs indépendants contribuent et construisent des programmes/tâches intéressants pour les humanoïdes.
Il y a beaucoup de progrès et de développement grand public qui arrivent à la fin de l'année/début de l'année prochaine où je pense que la robotique aura son moment "chatgpt" (Elon faisant la promotion de ses nouveaux modèles humanoïdes, des vidéos virales d'humanoïdes accomplissant des tâches dans le monde réel, de l'argent intuitif qui afflue, des effectifs qui sont licenciés, etc).
Je peux te promettre que je ne me trompe pas sur cette idée, cela ressemble à l'IA en 2023. C'est une question de quand, pas de si.
N'ignorez pas l'une des avancées technologiques les plus innovantes de notre vie et n'ignorez pas $CODEC, qui est le seul jeu disponible se trouvant à l'intersection de cette tendance.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
La robotique fonctionne de manière assez similaire à l'IA.
Vous avez besoin de beaucoup de données de haute qualité pour fonctionner, sauf que vous ne pouvez pas simplement extraire des données robotiques d'Internet car cela nécessite une expérience et des variables du monde réel.
Il n'y a pas d'« Internet des actions des robots ».
Des tonnes d'équipes travaillent et investissent de l'argent stupide dans les humanoïdes car ils représentent l'industrie de la décatrillion de dollars la plus évidente en raison de l'efficacité avec laquelle ils transformeront la force de travail (plus efficace qu'un salaire moyen indien à 50 000 $ USD chacun).
Mais la plus grande course, comme l'IA, est :
1. Obtenir des données de qualité
2. Tâches de formation
Les modèles fondamentaux sont comme les LLM dans l'IA, mais au lieu de générer du texte, ils génèrent des actions pour les robots.
Il existe plusieurs approches différentes que les équipes adoptent pour la formation des tâches, certaines utilisant de petits ensembles de données de haute fidélité avec étiquetage comme Figure et d'autres optant pour une approche de type "spray and pray" avec des modèles massifs.
L'objectif est de donner aux robots un sens commun large et pré-entraîné ainsi que la capacité de généraliser à travers les tâches et les environnements.
Au lieu de programmer un robot pour chaque tâche, vous entraînez un grand modèle sur des données diverses (vidéos d'humains, simulations, démonstrations de réels robots, images avec descriptions textuelles des tâches, etc), et le modèle acquiert une compréhension incarnée du monde physique.
Vous pouvez alors inviter le robot à faire quelque chose ( par une commande ou un exemple ), et la "connaissance" du modèle de base entre en jeu pour s'en occuper, comme vous pouvez demander n'importe quoi à ChatGPT.
Ainsi, le grand décalage pour beaucoup de ces entreprises se situera dans le domaine de la formation aux tâches, elles se concentrent actuellement profondément sur le côté des données (simulations du monde, données synthétiques, trajectoires de robots, vidéos humaines, etc) car elles en ont besoin pour interagir parfaitement avec le monde réel, mais il n'y a pas autant de développement sur ce que les robots/humanoïdes peuvent réellement faire.
Nvidia est à la tête de l'un des modèles de base clés (Issac GR00T) qu'ils ont entièrement open source. Ils ont déjà eu des équipes tierces qui travaillent dessus et améliorent considérablement l'efficacité (ont essentiellement créé un programme pour que des humanoïdes nettoient une pièce avec des changements minimes aux données des modèles de base).
Donc, le grand chevauchement entre la crypto, l'IA et la robotique se situera très probablement dans ce secteur de formation des tâches (comme un App Store de robotique) puisque les principaux modèles fondamentaux sont déjà en train de devenir open source et il y aura probablement de grands modèles d'incitation pour que les développeurs indépendants contribuent et construisent des programmes/tâches intéressants pour les humanoïdes.
Il y a beaucoup de progrès et de développement grand public qui arrivent à la fin de l'année/début de l'année prochaine où je pense que la robotique aura son moment "chatgpt" (Elon faisant la promotion de ses nouveaux modèles humanoïdes, des vidéos virales d'humanoïdes accomplissant des tâches dans le monde réel, de l'argent intuitif qui afflue, des effectifs qui sont licenciés, etc).
Je peux te promettre que je ne me trompe pas sur cette idée, cela ressemble à l'IA en 2023. C'est une question de quand, pas de si.
N'ignorez pas l'une des avancées technologiques les plus innovantes de notre vie et n'ignorez pas $CODEC, qui est le seul jeu disponible se trouvant à l'intersection de cette tendance.