Tại sao một Robot có thể nhìn thấy một ly nhưng vẫn không biết cách cầm nó

Một robot có thể nhìn vào một chiếc ly và nhận diện nó ngay lập tức. Nó có thể nhận ra hình dạng, ước tính vị trí, phân loại vật liệu và tính toán khoảng cách giữa bàn tay của nó và vật thể, nhưng tất cả điều đó không nói cho robot chính xác cách cầm nó.
Bao nhiêu lực là đủ? Điều gì xảy ra nếu chiếc ly bị ướt? Tay cầm cần thay đổi thế nào nếu ly rỗng so với khi đầy? Nếu vật thể bắt đầu trượt khi đang di chuyển một nửa chặng đường thì sao?
Đây là lúc sự khác biệt giữa việc chỉ nhìn thấy một vật và hiểu cách tương tác với nó trở nên rõ ràng.
Thị giác cung cấp phần mô tả, còn trí tuệ vận động quyết định phản ứng. Để nhặt lên một chiếc ly đơn giản thành công, robot phải phối hợp lực nắm, chuyển động, thời điểm, độ cân bằng và phản hồi xúc giác. Nó cần phát hiện khi hành động ban đầu tạo ra kết quả sai và điều chỉnh trước khi ly rơi.
Những hành vi này khó có thể học chỉ từ hình ảnh và văn bản. Chúng xuất hiện thông qua việc tương tác với thế giới vật lý.
Vì vậy, 𝗛𝘂𝗺𝗮𝗻 𝗧𝗲𝗹𝗲𝗼𝗽𝗲𝗿𝗮𝘁𝗶𝗼𝗻 quan trọng đến mức nào đối với sự phát triển của AI dạng “nhập thân” (embodied AI). Một người vận hành đã sở hữu trực giác vật lý cần thiết để xử lý các vật trong điều kiện không thể đoán trước. Thông qua hạ tầng 𝗧𝗲𝗹𝗲𝗼𝗽𝗲𝗿𝗮𝘁𝗶𝗼𝗻 của @InvLambda, các hành động của con người có thể trở thành dữ liệu huấn luyện có giá trị, ghi lại cách chuyển động biến thành hệ quả vật lý.
Người vận hành biết cách thích nghi. Robot ghi lại tương tác đó. Sau đó, các hệ thống AI có thể học từ những buổi trình diễn này và dần dần phát triển các chính sách có khả năng xử lý các tình huống tương tự với ít hướng dẫn của con người hơn.
Một camera có thể nói với robot, “Đó là một chiếc ly”, nhưng kinh nghiệm dạy nó, “Đây là cách bạn cầm nó”.
#InvertedLambdaTheBreach #InvertedLambda #Robotics #Teleoperation #SecondContact #SecondContactTheBreach