스키드 ai 로봇 공학에 대한 일반화 된 뇌에 대한 최신 모양을 공개했습니다. 이 회사는 다양한 환경과 작업에 걸쳐 다양한 로봇을 제어 할 수있는 Skild Brain이라는 일반 목적 뇌를 제공하는 것을 목표로합니다. 새로운 비디오 (위의 시청)는이 여정에서 회사의 초기 진행을 강조합니다.
물리적 AI는 실제 환경에서 감지, 행동 및 배울 수있는 로봇과 같은 물리적 시스템과 인공 지능 (AI)의 수렴을 나타냅니다. 지능형 에이전트가 데이터를 처리하고 결정을 내리고 주변 환경과 물리적으로 상호 작용할 수 있습니다. 물리적 AI의 중요성은 소프트웨어의 AI와 물리적 세계의 실질적인 행동 사이의 격차를 해소하는 능력에서 비롯됩니다.
Skild AI의 Deepak Pathak 인 Deepak Pathak은“로봇 공학은 Moravec의 역설에 의해 손상되어 있습니다. 어려운 문제는 쉽고 쉬운 문제는 어렵습니다. 많은 현재 로봇 모델은 인간에게 어려운 작업에 중점을두고 로봇에게는 쉬운 작업에 중점을 둡니다. 춤, 쿵푸는 자유 공간 행동이며 일반화가 필요하지 않기 때문입니다. “Skild AI 모델은 이러한 쉬운 작업을 해결할 수있을뿐만 아니라 적대적 조건에서도 계단을 등반하거나 접촉 역학에 대한 비전과 추론이 필요한 세밀한 품목을 조립하는 것과 같은 일상적인 어려운 작업을 해결할 수 있습니다.”
회사 이후 1 년이 조금 넘었습니다. $ 300m 시리즈 A 라운드를 닫았습니다 이 개발주기에 자금을 지원합니다. 그 당시이 회사는 25 명 이상의 직원으로 성장했으며 2 개의 자금 조달 라운드에서 총 4 억 3 천 5 백만 달러를 모금했습니다.
다른 몇몇 주목할만한 회사들도 물리적 AI 솔루션을 시작하고 있습니다. 물리적 지능버클리 교수 인 Sergey Levine이 설립 한 것은 모든 로봇의 단일 뇌/기초 모델 인 동일한 최종 목표를 쫓고 있습니다.
Robobusiness 2025는 물리적 ai를 탐구합니다
물리적 AI는 주요 주제가 될 것입니다 Robobusiness (10 월 15 일부터 16 일까지 산타 클라라) 로봇 개발자를위한 최고의 이벤트이자 로봇 보고서. Nvidia의 Robotics and Edge AI 부사장 인 Deepu Talla는 “”라는 오프닝 기조 연설을 “”새로운 로봇 시대에 대한 물리적 AI.” 그는 모델이 실제 환경에서 인식하고, 이유를 인식하고, 행동 할 수있는 물리 AI의 요구 사항을 탐구 할 것입니다.
물리적 인 AI에 대한 다른 대화에는 다음이 포함됩니다.
멀티 모델 의사 결정 에이전트가 성능, 안전, 규모를 향상시키는 방법
스피커 : Robert Sun, Dexterity 창립 엔지니어
AI가 ABB의 로봇 성능을 향상시키는 방법
연사 : Thomas-Tianwei Wang, AI 애플리케이션 엔지니어 인 ABB Robotics
SIM2REAL 강화 학습 : 실제 세계를위한 훈련 로봇
연사 : Ken Goldberg, William S. Floyd Jr. UC Berkeley 공학의 의장; Jeff Mahler, 공동 창립자 및 CTO, Ambi Robotics
일반화 격차 : 물리적 AI가 더 똑똑한 데이터 큐 레이션이 필요한 이유
연사 : Benji Barash, 공동 창립자이자 CEO, Roboto
자연어 AI를 통한 인간 로봇 협력 발전
연사 : Han-Pang Chiu, SRI의 비전 기술 센터 기술 이사
제조에 AI 기반 로봇 배치를위한 5 개의 키
연사 : SK Gupta, 공동 창립자, 수석 과학자, Graymatter Robotics
고분비 환경에서의 손재주 및 적응을위한 AI
연사 : Vivian Chu, 공동 창립자이자 최고 혁신 책임자, 부지런한 로봇 공학
구체화 된 시대의 탈락 로봇 AI
발표자 : Mihai Jalobeanu, Dexman AI의 창립자 겸 CEO
회사가 좋아합니다 nvidia 로봇 공학을위한 기초 모델을 개발하고 가상 설정에서 로봇을 훈련시키기 위해 Omniverse와 같은 시뮬레이션 환경을 만들고 있습니다.
보스턴 역학 그리고 민첩성 로봇 공학 복잡한 움직임을 수행하고 주변 환경과 상호 작용할 수있는 물리적 인 휴머노이드 및 4 중 로봇을 설계하고 있습니다. Waymo 교통 부문의 두드러진 예이며, 자율 주행 차량은 물리적 AI에 의존하여 복잡한 도로 조건을 탐색하고 다른 차량 및 보행자와의 상호 작용을 예상합니다.
창고 자동화에서 아마존 로봇 공학 물리적 AI를 사용하여 재고 이동을 최적화하고 주문 이행을 향상시킵니다. 이 예는 광범위한 응용 프로그램을 강조하고 AI를 디지털 영역에서 그리고 물리적 운영으로 이끌어내는 데 중점을 둡니다.
스키드 뇌는 교란과 인간의 상호 작용에 매우 적응하면서 인간 주변에서 안전하도록 설계되었습니다.
로봇 공학 재단 모델 구축의 과제는 대규모 로봇 데이터의 제한된 가용성이며 하드웨어를 사용하여 실제 데이터를 수집하는 것은 느리고 비용이 많이들 수 있습니다. Skild AI는 인터넷의 대규모 시뮬레이션 및 휴먼 비디오를 활용하여 기초 모델을 사전 트레인하여이를 해결했습니다. 이 접근법을 통해 대상의 실제 데이터로 모델을 사후 훈련하기 전에 규모를 달성 할 수있어 고객에게 작업 솔루션을 제공합니다.
LightSpeed의 파트너 인 Raviraj Jain은 다음과 같이 말했습니다 :“Skild의 기초 모델은 이미 출현 능력을 보여주고 이미 매우 강력한 형태의 요소에 대해 일반화 할 수 있습니다. 그들은 구체화 된 AI의 새로운 패러다임을 나타냅니다. 특정 데모 환경에 종종 과도하게 적합한 다른 로봇 데모와는 달리, 스키트 로봇은 진정으로 ‘야만적 인’, ‘안전하게 탐색되고 인간과 공동으로 작동합니다.
게시물 Skild AI는 로봇에게 뇌를주고 있습니다 먼저 나타났습니다 로봇 보고서.