تمنح الرؤية ذراعًا روبوتية خريطة، لكنها لا تمنحها قبضة.

جرّب التقاط بيضة بالاعتماد على مدخلات الكاميرا فقط وبدون أي تغذية راجعة للقوة؛ فإما أن تسحقها أو تُسقطها. لا توجد إشارة تخبر المشغّل (المحرّك) «أنت عند 80% من ضغط الكسر، فخفّف».
هذه الإشارة لا توجد إلا كبيانات حسّية: القوة، والعزم، والضغط اللمسي، واكتشاف الانزلاق.
لهذا لم يعد «عنق الزجاجة في الذكاء الاصطناعي المتمثِّل جسديًا» مشكلة رؤية بعد الآن. إنها مشكلة لمس. يمكنك امتلاك نموذج ثلاثي الأبعاد مثالي لمقبض باب ومع ذلك تفشل في تدويره إذا لم تعرف القبضة مقدار الشدة التي تمسك بها أو متى يبدأ الانزلاق.
هذه هي المشكلة التي بُني نموذج @InvLambda للتشغيل عن بُعد بهدف الكسب Teleop-to-Earn لحلّها. بدلًا من الأمل بأن تتمكّن المحاكاة من تقريـب الاحتكاك وقابلية الانضغاط (الامتثال) في العالم الحقيقي، تُدخل T2E المشغّلين البشريين في الحلقة؛ أيدٍ حقيقية، وبراعة حقيقية في التعامل، تولّد مجموعات بيانات متعددة الوسائط (مرئية + حسّية) لا تستطيع بيئات المحاكاة تقليدها.
الرؤية تخبر الروبوت أين تقع الأشياء في العالم.
والإحساسات اللمسية تخبره كيف يلمسها.
الجزء الثاني هو المشكلة الأصعب، وهو الذي يتم حله بالفعل الآن.
@InvLambda #InvertedLambdaTheBreach #InvertedLambda #Robotics #Teleoperation #SecondContact #SecondContactTheBreach