Lue tiivistelmäSulje
- Skild AI julkaisi S1-tekoälymallin, joka opettaa roboteille uusia tehtäviä yhdellä opetusvideolla.
- Malli hyödyntää in-context learning -menetelmää, jolloin tekoälyä ei tarvitse kouluttaa uudelleen jokaista työvaihetta varten.
- Yksi opetusvideo voi korvata 50–100 tuntia kestäväksi arvioidun manuaalisen datankeruun.
- Laitteistoa ja tekoälyä hyödynnetään jo Foxconnin tehtaalla Nvidian Blackwell-palvelinten kokoonpanossa.
Teollisuusrobottien suurin kompastuskivi on perinteisesti ollut niiden joustamattomuus. Jokainen uusi tuote, liukuhihnan muutos tai työvaihe on vaatinut robotin ohjelmoimista uudelleen sekä viikkojen opetusdatan keräämistä. Tekoälyyhtiö Skild AI ja Nvidia pyrkivät nyt murtamaan tämän kierteellä uudella S1-perusmallilla (foundation model), joka kykenee oppimaan täysin uusia fyysisiä tehtäviä yhden ainoan opetusvideon avulla.
S1-mallin toiminta perustuu niin kutsuttuun kontekstioppimiseen (in-context learning). Kun robotille näytetään video tietystä työsuoritteesta, malli analysoi videolta ihmisen tai toisen koneen aikeet, käsiteltävät esineet ja liikesarjat. Tämän jälkeen robotti suorittaa tehtävän itsenäisesti ilman, että sen tekoälyverkkoa tarvitsee kouluttaa uudelleen tai sen painotuksia päivittää.
DigiNytin näkökulma: Fyysisen tekoälyn (Physical AI) läpimurto osoittaa, miten Nvidian panostukset simulaatioalustoihin (esim. Isaac Lab ja Omniverse) kantavat hedelmää pelkkää chatin tekoälyä syvemmällä teollisuusautomaatiossa.
Säästää kymmeniä tunteja opetusaikaa ja korvaa satoja esimerkkejä
Uuden lähestymistavan tehokkuus on käytännössä huomattava. Skild AI:n arvioiden mukaan yksi lyhyt opetusvideo voi vastata noin 380 fyysistä opetusseikkailua tai harjoituskertaa robottilaitteistolla. Tällaisen datamäärän kerääminen manuaalisesti ihmisvoimin voisi viedä 50–100 tuntia, kun taas videokehotteen käsittely ja suoritus valmiilla laitteella onnistuu minuuteissa. Esimerkiksi ruukkukasvin istuttamista koskevassa testissä tiimi siirtyi videon tallentamisesta automaattiseen toteutukseen fyysisellä laitteella vain 11 minuutissa.
S1 kykenee hallitsemaan monivaiheisia, jopa 10 minuuttia kestäviä kokonaisuuksia, kuten esineiden kokoamista tai kahvin uuttamista. Uusissa ja ennalta tuntemattomissa monivaiheisissa tehtävissä malli saavutti noin 66 prosentin onnistumisasteen työvaihetta kohden, mikä on Yhtiön mukaan yli seitsenkertainen parannus verrattuna vastaaviin aiempiin tekoälyjärjestelmiin (9 % per vaihe).
Käytännön työssä Foxconnin tehtaalla
Teknologia ei ole jäänyt pelkäksi tutkimuslaboratorion demonstratioksi. Skild AI, Nvidia ja sopimusvalmistaja Foxconn hyödyntävät järjestelmää jo teollisessa tuotannossa. Kaksikätiset robotit kokoavat parhaillaan huippuvaativia Nvidia Blackwell -tekoälypalvelimia Foxconnin tehtailla, missä ne muun muassa asentavat virtakiskoja ja kiinnittävät ruuveja sovittaen liikkeensä reaalimaitse tapahtuviin muutoksiin.
Malli on kehitetty ja koulutettu käyttäen Nvidian tekoälyinfrastruktuuria, kuten fyysisen maailman simulaatioon suunniteltuja Isaac Lab- ja Cosmos-alustoja. Skild AI kertoo saavuttaneensa 100 miljoonan dollarin vuotuisen liikevaihtotason vain 10 kuukautta ensimmäisen kaupallisen käyttöönottonsa jälkeen, mikä ilmentää teollisuuden kovaa kysyntää itseensä mukautuvalle robotiikalle.
Miksi tämä on merkittävää?
Perinteinen robotiikka on vaatinut kalliita ja hitaita uudelleenohjelmointiprosesseja jokaisen pienimmänkin tuotantomuutoksen yhteydessä. Jos robotit voivat jatkossa oppia uusia teollisia tai logistisia tehtäviä pelkästä videosta minuuteissa, valmistavan teollisuuden joustavuus ja automaatioaste nousevat täysin uudelle tasolle.
Aiheesta uutta: Nvidia avaa konesaliekosysteeminsä: d-Matrix tuo Raptor-tekoälysirut NVLink Fusion -alustalle
Lähde: NVIDIA Blog: Skild AI Taps NVIDIA Physical AI to Teach Robots New Tasks From a Single Video
Tekoälyavusteinen sisältö: Artikkeli on tuotettu tekoälyä hyödyntäen alkuperäislähteen pohjalta.
Aihekeskus: Tekoäly
