OpenAI расформировала команду по робототехнике и перевела специалистов в универсальные группы
OpenAI расформировала свое подразделение, занимающееся робототехникой, объяснив это изменением концепции. Компания продолжает стремиться к созданию роботов общего назначения, однако считает, что узкоспециализированные ИИ-модели не являются необходимыми, так как универсальные модели могут выполнять эти задачи. Об этом сообщает 3dnews. Об этом рассказывает RUNET.
Представитель OpenAI отметил, что универсальная модель GPT-6 Astra продемонстрировала неожиданные успехи в решении отдельных задач в области робототехники.
Ранее в этом году исследователи компании полагали, что развитие робототехнического направления будет основываться на наработках видеогенератора Sora, который способен моделировать физический мир. Однако вскоре стало ясно, что передовые универсальные модели OpenAI можно эффективно использовать в робототехнике. В результате команда по робототехнике была расформирована, а ее специалисты переведены в группы, работающие над более универсальными ИИ-моделями.
Исследовательская группа по робототехнике теперь входит в состав основного исследовательского подразделения под руководством Марка Чена (Mark Chen). Специалисты по прикладной робототехнике и аппаратному обеспечению были переведены в подразделение прикладных разработок, которое подчиняется президенту OpenAI Грегу Брокману (Greg Brockman).
Такой подход может поставить под сомнение стратегию многих стартапов в области робототехники, которые делают акцент на специализированных моделях с «пространственным интеллектом». Тем не менее, практический опыт эксплуатации роботов и данные, собранные в реальных условиях, сохраняют свою ценность. Расс Тедрейк (Russ Tedrake), соучредитель и генеральный директор компании Walden Robotics, подчеркнул, что у робототехнических компаний есть преимущество перед ИИ-лабораториями: их роботы уже имеют практический опыт работы в реальных условиях, например, на заводах. Он добавил, что более совершенные базовые модели увеличивают ценность специфических данных, так как позволяют роботам быстрее обучаться на них.
Универсальные модели уже тестируются для управления роботами без необходимости дополнительного обучения на данных из области робототехники. В таких экспериментах модель получает изображения с камер, информацию о роботе и доступ к интерфейсу для отправки команд. В исследовании Nvidia агент на базе GPT-6 Astra успешно выполнил 74,8 % заданий по манипуляции предметами, в то время как лучший результат специализированных моделей в том же тесте составил 51 %. Однако испытания проводились в симуляции, и переносить эти результаты на реальные устройства пока нельзя.
У крупных универсальных моделей есть свои ограничения: обработка запросов требует времени, а использование облачного сервиса подразумевает постоянное подключение к сети. Гуанья Ши (Guanya Shi), доцент Института робототехники Университета Карнеги — Меллона, считает, что компактные специализированные модели все еще необходимы, так как могут функционировать непосредственно на бортовом компьютере робота. Какой подход окажется более успешным в долгосрочной перспективе, пока неясно, отметил Пит Флоренс (Pete Florence), соучредитель стартапа Generalist, который разрабатывает универсальные ИИ-модели для роботов.
