구절은 계층 적 활성 추론을 사용하여 다중 에이전트 로봇 공학을 설명합니다. 출처 : 구절 AI
인공 지능을 로봇과 결합하는 과제의 일부는 필요한 교육 데이터의 양입니다. AI Inc. Verses는 어제 로봇 아키텍처는 다른 로봇 공학 모델보다 전형적인 가정 작업을 더 잘 수행 할 수 있으며 사전 훈련 없이는 전형적인 가정 작업을 수행 할 수 있다고 말했다.
“저는 세계 모델링과 활발한 추론 기능을 결합함으로써 로봇이 ‘발’을 생각할 수 있다고 생각했습니다. Verses의 최고 기술 책임자 인 Hari Thiruvengada가 언급했다. “우리의 획기적인 것은 공장 및 창고에서 주택 및 공공 장소에 이르기까지 산업 전반의 로봇이 어떻게 운영되는지를 변화시킬 수있는 잠재력을 가지고 있으며, 진정으로 적응적이고 신뢰할 수있는 자동화의 새로운 시대를 잠재적으로 잠금 해제 할 수 있습니다.”
2020 년에 Verses Technologies Inc.로 설립 된 Verses는“인지 컴퓨팅 회사 건물입니다. 차세대 에이전트 소프트웨어 시스템은 자연에서 영감을 얻었습니다. 밴쿠버 브리티시 컬럼비아에 본사를 둔 회사 천재 과학, 물리 및 생물학에서 발견 된 첫 번째 원칙에 대한 주력 제품. 그만큼 플랫폼 구절에 따르면 신뢰할 수있는 도메인 별 예측 및 결정을 생성 할 수 있습니다.
2025 년 2 분기 줄질 이번 주 미국 증권 거래위원회와 함께, Verses는 순수익 $ 115,939, 순 포괄적 인 손실 940 만 달러, 320 만 달러의 현금을보고했습니다.
편집자 주 : Robobusiness 캘리포니아 주 산타 클라라에서 10 월 15 일과 16 일에있을 2025 년에는 다른 트랙 중에 물리 AI 포럼이 포함됩니다. 참석하려면 지금 등록하십시오!
구절은 적응성을 위해 AI를 만듭니다
구절은 로봇이 두 가지 범주로 떨어지는 것으로 묘사되었습니다 : 모든 것이 사전 프로그래밍 된 Drive-By-Wire와 Deep Learning은 교육을 위해 많은 양의 데이터가 필요합니다.
“로봇은 종종 스크립트 된 작업에서 잘 수행되지만 새로운 상황에 직면 할 때 얼어 붙을 수 있습니다. 잘못된 장소의 상자만큼 간단한 것조차 진행 상황을 중단 할 수 있습니다.”AGV) 드라이브 바이 와이어 시스템의 예로.
공장, 창고 및 주택은 항상 변화하고 있기 때문에 로봇은 종종 적응하거나 더 천천히 일하거나 멈추기 위해 고군분투하고 있다고 말했다. 고유 한 한계를 극복하기 위해 로봇 환경은 종종 제어됩니다. 예를 들어, 로봇은 케이지 또는 지역에 배치 될 수 있습니다. 인간이 허용되지 않는 곳. 이 관행은 로봇의 유용성을 크게 줄입니다.
회사에 따르면 딥 러닝 접근 방식은 더 유연하지만 많은 데이터가 필요하며 병이 떨어지거나 의자가 제자리에없는 것과 같은 변화로 어려움을 겪을 수 있다고 회사에 따르면.
“인간이 새 아파트에서 음료를 마실 필요가있을 때, 그들은 수백 가지의 다른 아파트 에서이 과제를 연습함으로써 실행하지 않습니다. 그들은 세계가 어떻게 작동하는지에 대한 모델이 있기 때문에 적응할 수 있습니다.”라고 Verses는 말했습니다. “이것은 인간이 냉장고를 열고 병을 잡아야한다는 것을 알아낼 수있게 해줍니다.”
회사는 시스템이 사전 훈련이 필요하지 않으며 대신 환경 탐색을 통해 적응한다고 주장했다. 이들은 비전, 계획 및 제어 모듈로 구성되어 로봇이 예기치 않은 장애물을 처리하거나 삭제 된 항목을 픽업 할 수 있도록합니다.
새로운 모델은 가정 작업을 다룹니다
Verses ‘Research Lab 회원은 다음과 같습니다 종이 “장기 호리 존 재 배열 작업에 대한 적극적인 추론을 가진 모바일 조작”라는 제목이 있습니다. 그들은 Robotics Model이 방을 정리하고 식료품 준비 및 테이블 설정의 세 가지 작업에서 딥 러닝 대안과 비교했습니다.
Verses는 그 모델이 기본 가정 작업의 기준선에 대해 잘 수행되었다고 말합니다. (확대하려면 여기를 클릭하십시오.) 출처 : 구절 AI
Verses Robotics Model은 이러한 작업에서 66.5%의 성공률을 달성 한 반면, 이전 최고의 대안은 54.7%의 성공률을 보였습니다. 회사 주장했다 모델은 교육이 필요하지 않았지만 “멀티 스킬 모바일 조작”모델은 3 개에 걸쳐 여러 기술을 미리 훈련하기 위해 13 억 단계가 필요했습니다. 작업.
구절 모델은 유휴 상태 일 때 자체 팔의 휴식 포즈 나 팔이 장애물로부터 얼마나 많은 저항하는지와 같은 기본 지식을 가졌습니다. 대조적으로, 기준선 모델은 대상을 집어 들거나 냉장고를 여는 것과 같은 총 7 개의 기술에 걸쳐 작업 당 6,400 개의 에피소드와 스킬 당 1 억 개의 오프라인 교육이 필요했습니다.
“현재 로봇 시스템은 종종 부서지기 쉬우 며 엄청난 양의 교육 데이터가 필요하므로 비싸고 잘못되기 쉽습니다.” 전 사장 겸 CEO 인 Sean Wallingford가 말했다 스위스 로그주요 물류 자동화 회사. “예를 들어, 로봇을 새로운 공장으로 가져 오거나 다른 일을하도록 요청하면 많은 재 훈련이 필요하며 신뢰할 수 없을 수도 있습니다.”
“구절은 대안적인 접근법을 제공하기 때문에 혁신적인 획기적인 일입니다.”라고 그는 덧붙였습니다. “훈련없이 로봇을 배치 할 수 있다면 공장 및 창고에서 국내 및 상업용 응용 프로그램에 이르기까지 광범위한 활동에서 실행 가능합니다.”
게시물 Verses Multiagent Robotics 모델은 사전 훈련없이 작동합니다 먼저 나타났습니다 로봇 보고서.