INSAIT подготвя нови модели на физически AI

INSAIT работи по нови модели за физически изкуствен интелект и представи напредъка пред зрителите на предаването UpDate. Докторантът Петко Петков, участник в екипа зад платформата LADDER, обясни пред водещата Антоанет Василева защо преносът на дигитални AI умения в реалния свят остава сериозно предизвикателство и как LADDER цели по-реалистично оценяване на тези системи.

Какво измерва платформата LADDER

LADDER е разработена съвместно с технологичната компания Nvidia и е замислена като тестова рамка за оценки на Physical AI. За разлика от предишни проверки, фокусирани върху единични, елементарни действия (например вдигане на чаша), LADDER симулира многоетапни сценарии с до 10 последователни действия. Целта е да се проследи цялата последователност от възприятие, навигация и манипулация — от локализиране на обекта до правилното му поставяне в зададена дестинация.

Ключови проблеми при пренасяне на AI в роботи

Петков посочи, че основният проблем е сривът в резултата при най-малка грешка в поредицата от движения. Моделите, които функционират добре в цифрова среда, често не успяват да разпознаят правилно обекта или взаимодействат с друг предмет. Дори при успешен захват, манипулацията и транспортирането могат да доведат до изпускане или поставяне на грешно място, което компрометира цялата задача.

Тестовете с LADDER демонстрират, че дори най-добрите общи модели — примери за които се посочват сред популярните големи езикови модели — показват по-добри резултати от някои специализирани за роботика модели. Въпреки това, при най-сложните многоетапни задачи тези системи успяват да завършат напълно едва около една трета от изпитанията.

Симулация като методология и нейният смисъл

Поради трудностите при мащабиране на експерименти в реални среди, LADDER е изведена върху симулация, която позволява систематично тестване с хиляди параметри. Петков съобщи, че класациите и резултатите, получени в симулация, съвпадат с тези върху реални роботи, което потвърждава валидността на подхода и позволява бързо съпоставяне на множество модели и конфигурации.

Икономически бариери и оперативни разходи

Освен техническите ограничения, тестовете извадиха наяве и икономическа пречка: най-добре представящият се модел струва средно над 6 долара за изпълнение на проста задача. Този разход е значителен и прави масовото внедряване на генеративни Physical AI решения нерентабилно за много бизнеси в текущия им вид.

Възможни приложения и пазарна динамика

Петков очерта потенциални сектори, в които Physical AI би донесъл промяна: производство и логистика, където може да оптимизира гъвкави производствени линии и автоматизирани складови операции; и битовия сектор, където се говори за домашни помощници, способни да готвят, чистят и да се справят с непредсказуеми ситуации. Все пак пазарът остава прагматичен — машини, специализирани за ограничен набор от задачи, са все още най-доходоносни.

Партньорство и бъдещи планове

Сътрудничеството между INSAIT и Nvidia е представено като доказателство за глобалната значимост на българските изследвания в областта. Nvidia е показала интерес и подкрепа към LADDER като възможен стандарт за оценка на бъдещи решения в роботиката. Петков обяви, че INSAIT продължава работата по подобряването на Physical AI и скоро ще представи нови модели и подобрения в тази посока.