Boston Dynamics, Collaborative Robotics, Covariant, Sanctuary AI, Unitree Robotics และอื่นๆ ยอมรับ LLM ในด้านวิทยาการหุ่นยนต์

Generative AI กำลังพลิกโฉมอุตสาหกรรมที่มีมูลค่านับล้านล้านดอลลาร์ และ NVIDIA ซึ่งเป็นผู้นำด้านหุ่นยนต์อัจฉริยะกำลังคว้าช่วงเวลานี้ไว้

การพูดในวันนี้เป็นส่วนหนึ่งของการกล่าวสุนทรพจน์พิเศษ ก่อนงาน CES, Deepu Talla รองประธานฝ่ายวิทยาการหุ่นยนต์และ Edge Computing ของ NVIDIA ให้รายละเอียดว่า NVIDIA และพันธมิตรนำ AI และวิทยาการหุ่นยนต์มารวมกันได้อย่างไร

มันเข้ากันได้อย่างลงตัวกับพันธมิตรที่มีเพิ่มมากขึ้นเรื่อย ๆ ซึ่งรวมถึง Boston Dynamics, Collaborative Robotics, Covariant, Sanctuary AI, Unitree Robotics และอื่น ๆ อีกมากมาย ซึ่งรวมการเร่งการประมวลผลโมเดลภาษาขนาดใหญ่ด้วย GPU เข้าไว้ด้วยกัน เพื่อนำระดับสติปัญญาและความสามารถในการปรับตัวมาสู่เครื่องจักรทุกประเภทอย่างที่ไม่เคยมีมาก่อน

ไม่มีช่วงเวลาไหนที่ดีเท่าตอนนี้

“ความต้องการหุ่นยนต์อัตโนมัติที่ขับเคลื่อนโดยปัญญาประดิษฐ์นั้นมีความชัดเจนในช่วงไม่กี่ปีที่ผ่านมา เพื่อปรับปรุงประสิทธิภาพ ลดต้นทุน และแก้ไขปัญหาการขาดแคลนแรงงาน” Talla กล่าว

จุดเริ่มต้นของการสร้าง

NVIDIA เป็นศูนย์กลางของการปฏิวัติ Geneative AI ตั้งแต่เริ่มต้น หนึ่งทศวรรษที่แล้ว Jensen Huang ผู้ก่อตั้งและซีอีโอของ NVIDIA ได้ส่งมอบเครื่องแรกด้วยมือของเขาเอง NVIDIA DGX ซูเปอร์คอมพิวเตอร์ AI สู่ OpenAI ต้องขอบคุณ ChatGPT ของ OpenAI ที่ทำให้ Generative AI ได้กลายเป็นหนึ่งในเทคโนโลยีที่เติบโตเร็วที่สุดในยุคของเราและมันก็เพิ่งเริ่มต้นเท่านั้น

ผลกระทบของ Generative AI จะไปไกลกว่าการสร้างข้อความและรูปภาพ รวมถึงบ้านและสำนักงาน ฟาร์มและโรงงาน โรงพยาบาลและห้องปฏิบัติการ Talla คาดการณ์ไว้

สิ่งสำคัญ: LLM ซึ่งคล้ายกับศูนย์ภาษาของสมอง จะช่วยให้หุ่นยนต์เข้าใจและตอบสนองต่อคำสั่งของมนุษย์ได้อย่างเป็นธรรมชาติมากขึ้น

เครื่องจักรดังกล่าวจะสามารถเรียนรู้อย่างต่อเนื่องจากมนุษย์ จากกันและกัน และจากโลกรอบตัวพวกเขา

“ด้วยคุณลักษณะเหล่านี้ Generative AI จึงเหมาะสมอย่างยิ่งสำหรับหุ่นยนต์” Talla กล่าว

หุ่นยนต์ใช้ Generative AI อย่างไร

Agility Robotics และบริษัทอื่น ๆ กำลังรวม Generative AI ไว้ในหุ่นยนต์เพื่อช่วยให้เข้าใจคำสั่งข้อความหรือเสียง หุ่นยนต์ดูดฝุ่นจาก Dreame Technology ได้รับการฝึกอบรมด้วยบ้านพักอาศัยแบบจำลองที่สร้างขึ้นโดยโมเดล Generative AI และ Electric Sheep กำลังพัฒนาแบบจำลองระดับโลกสำหรับการตัดหญ้าอัตโนมัติ

เทคโนโลยีของ NVIDIA เช่นแพลตฟอร์ม NVIDIA Isaac และ Jetson ซึ่งช่วยในการพัฒนาและการปรับใช้หุ่นยนต์ที่ขับเคลื่อนด้วย AI ได้รับความไว้วางใจจากนักพัฒนากว่า 1.2 ล้านคนและลูกค้าและพาร์ทเนอร์กว่า 10,000 คนแล้ว

หลายคนอยู่ที่งาน CES ในสัปดาห์นี้ รวมถึง Analog Devices, Aurora Labs, Canonical, Dreame Innovation Technology, DriveU, e-con Systems, Ecotron, Enchanted Tools, GlüxKind, Hesai Technology, Leopard Imaging, Segway-Ninebot (Willand (Beijing) Technology Co., Ltd.), Nodar, Orbbec, QT Group, Robosense, Spartan Radar, TDK Corporation, Telit, Unitree Robotics, Voyant Photonics และ ZVISION Technologies Co ., Ltd.

สองสมองดีกว่าหัวเดียว

ในการพูดคุยของเขาที่งาน CES, Talla ได้แสดงให้เห็นโมเดลคอมพิวเตอร์คู่ (ภาพด้านล่าง) ที่จำเป็นสำหรับการนำ AI ไปใช้ในด้านวิทยาการหุ่นยนต์ ซึ่งแสดงให้เห็นถึงแนวทางที่ครอบคลุมของ NVIDIA ในการพัฒนาและการประยุกต์ใช้ AI

คอมพิวเตอร์เครื่องแรกที่เรียกว่า “AI factory” เป็นศูนย์กลางในการสร้างและปรับปรุงโมเดล AI อย่างต่อเนื่อง

AI factory ใช้โครงสร้างพื้นฐานการประมวลผลของศูนย์ข้อมูลของ NVIDIA ควบคู่ไปกับ AI และ NVIDIA Omniverse แพลตฟอร์มสำหรับการจำลองและการฝึกอบรมโมเดล AI ส่วนคอมพิวเตอร์เครื่องที่สองแสดงถึงสภาพแวดล้อมรันไทม์ของหุ่นยนต์

สิ่งนี้จะแตกต่างกันไปขึ้นอยู่กับแอปพลิเคชัน: อาจอยู่ในคลาวด์หรือศูนย์ข้อมูล ในเซิร์ฟเวอร์ภายในองค์กรสำหรับงานต่าง ๆ เช่น การตรวจสอบข้อบกพร่องในการผลิตเซมิคอนดักเตอร์ หรือภายในเครื่องอัตโนมัติที่มีเซ็นเซอร์และกล้องหลายตัว

การสร้างฝึกอบรมที่มีคุณภาพ

Talla ยังเน้นย้ำถึงบทบาทของ LLM ในการทำลายอุปสรรคทางเทคนิค เปลี่ยนผู้ใช้ทั่วไปให้เป็นศิลปินด้านเทคนิคที่สามารถสร้างเวิร์กเซลล์หุ่นยนต์ที่ซับซ้อนหรือจำลองคลังสินค้าทั้งหมดได้

ด้วยเครื่องมือ Generative AI เช่น NVIDIA Picasso ผู้ใช้สามารถสร้างเนื้อหา 3 มิติ ที่สมจริงจากข้อความคำสั่ง (Prompt) ง่ายๆ และเพิ่มลงในฉากดิจิทัลสำหรับสภาพแวดล้อมการฝึกหุ่นยนต์แบบไดนามิกและครอบคลุม

ความสามารถเดียวกันนี้ขยายไปถึงการสร้างสถานการณ์ที่หลากหลายและแม่นยำทางกายภาพใน Omniverse เพิ่มประสิทธิภาพการทดสอบและการฝึกอบรมหุ่นยนต์เพื่อให้มั่นใจว่าสามารถนำไปใช้ได้ในโลกแห่งความเป็นจริง

สิ่งนี้สอดคล้องกับศักยภาพในการเปลี่ยนแปลงของ Generative AI ในการกำหนดค่าการใช้งานหุ่นยนต์ใหม่

ว่ากันตามเนื้อผ้า หุ่นยนต์ถูกสร้างขึ้นตามวัตถุประสงค์สำหรับงานเฉพาะ และการปรับเปลี่ยนหุ่นยนต์สำหรับงานต่าง ๆ นั้นเป็นกระบวนการที่ใช้เวลานาน

แต่ความก้าวหน้าใน LLM และโมเดลการมองเห็นกำลังขจัดปัญหาคอขวดนี้ ทำให้เราสามารถโต้ตอบกับหุ่นยนต์ได้ง่ายขึ้นผ่านภาษาธรรมชาติ Talla กล่าว

เครื่องจักรดังกล่าวซึ่งสามารถปรับตัวได้และคำนึงถึงสภาพแวดล้อมรอบตัว จะแพร่กระจายไปทั่วโลกในไม่ช้า

หากต้องการเรียนรู้เพิ่มเติม โปรดเข้าร่วม  virtual CES session และดูคําปราศรัยทั้งหมดของ Talla