Humanoidi s novou AI pracují jako pár. Startup i díky tomu sbírá miliardy

Startup Figure z USA, který je předním hráčem v oblasti vývoje humanoidních robotů, odhalil video, kde jeho dva stroje na slovní pokyn člověka uklízejí nákup, aniž by předměty v něm předtím někdy viděli, a především u práce spolupracují. Dle samotné firmy to je doslova „něco, co ještě nikdo nikdy neviděl.“

Informace a záběry si můžete poslechnout i prohlédnout v úvodní videoreportáži.

„Ano, nikdo předtím nic takového neukazoval, Právě ta kooperace robotů je zajímavá, protože každý z nich, aspoň podle toho, co firma tvrdí, nebyli předem informováni, že by tam měl být druhý robot, nebo by měli být nějakým způsobem rozlišeni mezi sebou,“ říká Tomáš Rouček z Centra umělé inteligence na Fakultě elektrotechnické (FEL) ČVUT.

Třídit předměty z nákupu, které stroje vidí poprvé, a dokonce si věci vzájemně podávat, to humanoidům dle Figure umožňuje nová umělá inteligence. Jde o Vision-Language-Action (VLA) model s názvem Helix.

Novinka v robotice zpracovává vizuální i jazykové podněty pomocí strojového učení. Reaguje také v reálném čase, a protože jde dle startupu o všeobecný model, mohou roboti pracovat s tisícovkami objektů, které nikdy předtím neviděli, a nepotřebují dodatečně programovat. Stačí jim pouze dát pokyn, oni se rozhlédnou a splní příkaz.

„Helix jako takový přijímá příkazy v podstatě od kohokoliv v hlasové formě. To znamená například: Podej mi jablko. A následně pomocí obrazového vidění a informací o tom, kde má robot končetiny a kde se nachází, předává robotovi příkazy, aby se zachoval specifickým způsobem. Následně jsou tyto příkazy zpracovány do pohybu robota,“ vysvětluje pro SZ Tech krok po kroku Rouček.

Startup Figure, jenž vyvinul vlastní humanoidy i nový AI model, přitom vznikl teprve v roce 2022. A bleskový vývoj mu zajistil obří zájem investorů.

V letošním únoru také potvrdil, že jedná o dalším financování v objemu 1,5 miliardy dolarů, což by jej celkově ohodnotilo na 39,5 miliardy dolarů, v přepočtu na bilion korun. Zájem mají americké fondy Align Ventures a Parkway Venture Capital.

Loni přitom do podniku vložili 675 milionů například technologičtí giganti jako Microsoft a Nvidia nebo OpenAI, a ocenění tak bylo na 2,6 miliardy dolarů.

Právě hlavní průkopník v oblasti umělé inteligence Open AI měl původně humanoidům dodat nový Large Language Model (LLM). Figure však rovněž v únoru dohodu ukončil, protože vyvinul svůj VLA model a chce roboty dělat celé sám. Uvedl, že v dalších čtyřech letech plánuje vyrobit až 100 tisíc kusů.

„Je to možné. Dokážu si představit, že budou chtít svoje roboty prodávat jako dostatečně funkční produkt - minimálně třeba i na technologické ukázky nějakého startupu. Na druhou stranu podle videoukázky jejich použití v kuchyni je překvapivě mířené na domácnosti, což je něco, co u těchto robotů není úplně standardem,“ reaguje znovu Tomáš Rouček z FEL ČVUT.

„Je to převážně z důvodu, že domácnosti jsou vlastně složitější prostředí než průmysl, a to hlavně kvůli takovým věcem jako rozlitá kapalina, naprosto různé věci, nepořádek. Je to větší chaos, je to méně standardizované. Takže v tomto směru člověk neví, kolik jich prodají, ale je možné, že se jim to podaří naškálovat dostatečně,“ dodává český odborník.

„Co se týče rozchodu s Open AI, je možné, že si počkali na lepší modely, nebo samozřejmě že si ten model vyvíjeli nějakou dobu u sebe. Přece jen firem, které mají dostatečně dobré modely, začalo teď být znatelně více - Mistral, Grok, všechny tyto věci začaly existovat znatelně častěji, než čistě od OpenAI,“ doplňuje.

A jak Vision-Language-Action (VLA) model Helix funguje?

Používá neurální síť, která je duální, a každý systém má svůj vestavěný procesor - měla by takto údajně zrcadlit fungování kognitivního centra v mozku člověka.

První systém, Vision-Language Model (VLM), má přitom sedm miliard parametrů a s frekvencí 7-9Hz (tedy devětkrát za sekundu) zpracovává vizuální i jazykové vjemy a vypočítává komplexní úkony a to, jak je provést. Druhý systém, Visual-Motor Integration (VMI), má 80 milionů parametrů a s frekvencí 200 Hz (čili 200krát za sekundu) převádí tyto instrukce na přesné pohyby hlavy, torza, ale i zápěstí a všech prstů.

„Je pravdou, že to opravdu běží na robotu jako takovém, což je velká přidaná hodnota. I přestože kombinace rychlého a pomalého systému je něco, co se začalo již dělat. Ovšem v tomto směru to nebylo použito na již hotových produktech. Na druhou stranu ten koncept jako takový je něco, co už existovalo, a dá se očekávat, že takových produktů bude přicházet více,“ říká v úvodní videoreportáži Tomáš Rouček z FEL ČVUT.

Startup na Helixu pracoval údajně více než rok a k trénování využíval data z 500 hodin práce dálkově ovládaných robotů. A je už prý připravený na komerční využití.

Figure začal už loni své roboty 02, ještě bez Helixu, testovat v továrně BMW v USA. Tyto v pořadí jeho druhé modely jsou vysoké 167 centimetrů, váží 70 kilogramů a jsou vybaveny šesti kamerami. Na úplně nejnovějších záběrech, které jsou také součástí úvodní videoreportáže, pracují i na třídící lince.

S novou neurální sítí ale firma zdůrazňuje jejich využití i pro domácnosti. Kvůli své náročnosti mají vlastní prioritu v oblasti vývoje, a právě u nich je důležitá schopnost rychle reagovat na vizuální i hlasové podměty.

„Dá se očekávat, že když to bude fungovat v domácím, složitějším prostředí, tak to bude fungovat i v tom industriálním a možná to budou chtít rozvinout i tímto způsobem. Také je samozřejmě možnost, že je nebudou chtít využívat čistě industriálně, ale například jako nějakého robotického pomocníka za barem. Pro nějaký bar by to vypadalo víc přijatelně než třeba robotická ruka - to si dokážu představit jakožto využití,“ reaguje dál Tomáš Rouček.

Na humanoidním robotovi pracují také další společnosti jako Xiaomi z Číny, Neura Robotics z Německa, 1X z Norska nebo Agility Robotics, Boston Dynamics a Tesla z USA. Ta například slibuje, že její Optimus má jednou stát do 20 tisíc dolarů, tedy méně než půl milionu korun. A sériově jej chce vyrábět už od příštího roku.

„Každá firma má trochu jiné zaměření. Tesla se poslední dobou zaměřovala víc na navigaci a pochodování robota. Zatímco tady bylo vidět, že se zaměřovaly právě na interakci s objekty ve svém dosahu. A třeba Unitree se teď zaobírá spíš agilitou toho robota - jak rychle se dokáže hýbat. Pak je Boston Dynamics, který má podle mě cíl mít opravdu univerzálního robota - jak pro výzkum, tak i pro speciální oblasti v průmyslu. A je těžké říct, kdo z nich vybere tu správnou cestu. Spíš to nebude ani o správné cestě, ale odvětví se jen rozštěpí na to, kdo se bude specializovat na kterou konkrétní oblast,“ doplňuje český odborník na roboty.

A kdy by tedy mohli humanoidní roboti pracovat opravdu v ostrém provozu v továrnách nebo i domácnostech?

„Tesla tvrdí, že bude do roku 2030 čistě ve svých továrnách používat asi 30 tisíc svých robotů. Otázka zní, jak moc jde spíše o investice do nějakého R&D (výzkum a vývoj, pozn. red.), versus jak moc mají přínos do reálného industriálního prostředí,“ říká Tomáš Rouček z FEL ČVUT.

„Ve všech prostorech nebudou vždy tak univerzální jako člověk. Do domácností je to asi dlouhá cesta, ale spíše kvůli bezpečnosti - aby třeba neublížili, když na někoho spadnou, ale třeba i ohledně soukromí, aby data nemohl dál někdo streamovat. Co si budeme nalhávat, lidé si už dnes kupují domů pojízdné kamery ve vysavačích, ale tento robot by měl znatelně větší přístup k dalším informacím. A eventuálně by to mohlo být i něco, co člověku dokáže - nedej bože - nějakým způsobem i ublížit, kdyby někdo robota využil pro něco špatného,“ uzavírá tuzemský expert videoreportáž v úvodu článku.