Первым учителем робота является не набор данных. Это среда.

Робота можно обучить на миллионах примеров, но при этом он всё равно столкнётся с ситуацией, которую никогда не видел.
Поверхность оказывается более скользкой, чем ожидалось, объект чуть тяжелее, пол неровный, захват срывается, движение нужно скорректировать наполовине выполнения; мир не следует идеально прописанной последовательности.
Именно здесь воплощённый интеллект начинает отделяться от традиционного #AI. A dataset can show a #робота: дело не в том, как выглядит объект, или в том, как должна происходить операция, а в том, что реальные среды привносят переменные, которые не всегда можно заранее предвидеть. Робот должен реагировать на то, что происходит на самом деле.
Вот почему реальное 𝗧𝗲𝗹𝗲𝗼𝗽𝗲𝗿𝗮𝘁𝗶𝗼𝗻 так ценно. Операторы-люди приносят способность ориентироваться в неопределённости и адаптироваться к условиям, которые никогда не были явно запрограммированы. Их действия раскрывают связь между движением и последствиями: что происходит, когда захват слишком слабый, траектория слегка неверна или неожиданное препятствие меняет задачу.
@InvLambda строит это вокруг слоя человек-в-контуре: используя телеприсутствование, чтобы получать более насыщенные данные взаимодействия в смоделированных и физических средах. Адаптивный интеллект обеспечивают операторы-люди; среда робота — последствия; полученные данные становятся основой для разработки более способного воплощённого ИИ.
Робот не может научиться физическому интеллекту, лишь изучая то, что происходило раньше: ему нужно столкнуться с миром, отреагировать на него и учиться на том, что случится дальше.
#InvertedLambdaTheBreach #InvertedLambda #Robotics #Teleoperation #SecondContact #SecondContactTheBreach