To system, który ma wyciągnąć maszyny z kontrolowanych hal fabrycznych i rzucić je w nieprzewidywalną, chaotyczną rzeczywistość naszych domów i biur. To nie jest tylko kolejna aktualizacja oprogramowania; to próba nadania robotom czegoś na kształt intuicji i zdolności adaptacji. Zamiast kazać maszynie podążać za sztywnym skryptem, Microsoft chce, abyśmy mogli po prostu powiedzieć robotowi, co ma zrobić, a on sam wymyślił, jak użyć swoich mechanicznych dłoni, by osiągnąć cel.
Roboty w końcu zaczną nas rozumieć? Jak działa Rho-alpha?
Rho-alpha to pierwszy model Microsoftu dedykowany robotyce, który wywodzi się bezpośrednio z rodziny modeli wizyjno-językowych Phi. Jednak w przeciwieństwie do swoich cyfrowych braci, ten system nie operuje tylko obrazem i tekstem – on czuje. Microsoft zintegrował w modelu dane haptyczne (dotykowe), co pozwala robotom korygować uścisk i ruchy w czasie rzeczywistym, nie polegając wyłącznie na kamerach. Jeśli przedmiot zacznie wyślizgiwać się z chwytaka, Rho-alpha poczuje to i zaciśnie dłoń mocniej – dokładnie tak, jak zrobiłby to człowiek.
Microsoft zapowiada, że w przyszłości system wzbogacony zostanie o czujniki siły, co ma poszerzyć jego możliwości adaptacji. Model uczy się także na własnych błędach. Gdy operator interweniuje, fizycznie prowadząc ramię robota za pomocą urządzeń wejściowych 3D i pokazując prawidłowy sposób wykonania zadania, algorytm zapamiętuje tę korektę. Taka metoda nauki, choć wymaga zaangażowania człowieka, jest kluczowa dla budowania zaufania i dostosowywania robota do indywidualnych preferencji. Warto jednak pamiętać, że przejście od kontrolowanego środowiska laboratorium do prawdziwego bałaganu w domowej kuchni czy magazynie to wciąż ogromna przepaść.
Czytaj też: Robot, który nie boi się upadku. Amerykańscy naukowcy rewolucjonizują naukę chodzenia maszyn
Jeśli śledzicie poczynania naukowców w tej branży, to zapewne wiecie, że główną bolączką rozwoju robotyki jest chroniczny brak wysokiej jakości danych do uczenia maszynowego. Zbieranie ich z fizycznych maszyn jest niezwykle kosztowne i powolne, dlatego Microsoft proponuje obejście tego problemu poprzez mieszankę danych z różnych źródeł. Rho-alpha szlifuje swoje umiejętności na trzech rodzajach zestawów: nagraniach z rzeczywistych demonstracji na robotach, zadaniach odtworzonych w symulacjach oraz na wielkoskalowych, wizualnych zbiorach typu pytanie-odpowiedź.
Czytaj też: Robotyczna dłoń jak z rodziny Addamsów. EPFL pokazuje swoje nowe dzieło
Znaczna część syntetycznych danych generowana jest za pomocą narzędzi do symulacji robotyki działających na chmurze Azure. Inżynierowie łączą później te wirtualne scenariusze z danymi z prawdziwych maszyn. Takie hybrydowe podejście pozwala znacząco przyspieszyć rozwój bez angażowania armii operatorów na wiele miesięcy. Oczywiście trzeba pamiętać, że żadna, nawet najdoskonalsza symulacja, nie odda w 100% złożoności i nieprzewidywalności fizycznego świata.
Droga od prototypu do realnego zastosowania
Wiemy już, że początkowo Rho-alpha ma być dostępny wyłącznie dla wybranych zespołów badawczych w ramach programu wczesnego dostępu. Docelowo Microsoft planuje udostępnić go szerzej poprzez platformę Foundry. Strategia firmy zakłada oddanie producentom robotów i integratorom systemów większej kontroli nad procesem trenowania i wdrażania AI, umożliwiając im wykorzystanie danych z ich własnych maszyn.
Czytaj też: Humanoidalne roboty XPeng zjeżdżają z linii. ET1 to dopiero początek
Ashley Llorens z Microsoft Research podkreśla, że:
Robotyka historycznie pozostawała w tyle za postępami w dziedzinie sztucznej inteligencji języka i wizji. Ostatnie osiągnięcia pozwalają teraz maszynom postrzegać, rozumieć i działać z większą autonomią w mniej ustrukturyzowanych środowiskach.
Rho-alpha to kolejna próba przeniesienia zaawansowanej inteligencji z cyfrowej chmury do namacalnej rzeczywistości. Sukces takich rozwiązań nie będzie zależał od samej szybkości obliczeń, ale od zdolności do bezpiecznej i niezawodnej adaptacji wśród ludzi. Gigant z Redmond stawia na systemy, które się uczą, jednak ostateczna weryfikacja nastąpi dopiero wtedy, gdy takie roboty wyjdą na dobre z laboratoriów.