Lägg till som favorit
Foto: Förhandsbild från källan: Techcrunch.com
Utmaningar och genombrott inom fysisk AI och robotik
Sektorn för fysisk AI upplever en enorm investeringsvilja där miljarder satsas på att applicera tekniken bakom stora språkmodeller på robotik. Detta har lett till stora börsnoteringar, såsom den kinesiska robottillverkaren Unitree som nådde ett värde på 66 miljarder USD, men företaget tappade nyligen nästan hälften av sitt värde. Analytiker menar att robotarnas fysiska förmågor förbättras, men att de fortfarande saknar förmågan att utföra arbete som skapar faktiskt ekonomiskt värde.
En av de största utmaningarna för branschen är bristen på högkvalitativ träningsdata, vilket beskrivs som en "datakris". Utvecklare försöker nu efterlikna framgångarna från AI-labb genom att skapa mer diversifierade dataset och använda avancerade simuleringar. Experter drar paralleller till att fysisk AI befinner sig i sin "GPT-2-era", vilket innebär att det krävs betydligt mer data och beräkningskraft, särskilt optimerade GPU:er, för att nå nästa nivå av prestanda.
Det finns en pågående debatt om huruvida man bör satsa på generella robotar eller nischade lösningar. Medan företag som Tesla, Uber och Wayve utnyttjar sin erfarenhet från autonoma fordon för att utveckla humanoider, fokuserar andra på specifika vertikaler som solcellsparker och grävmaskiner för att snabbare nå kommersiell nytta. Målet för många är att nå ett "ChatGPT-ögonblick" för robotik – en punkt där manipulation av fysiska objekt fungerar tillförlitligt direkt ur lådan och kan styras via naturligt språk.
