השנים האחרונות היו עדות לקידמה מרשימה בתחום הבינה המלאכותית הרובוטית, עם פריצות דרך משמעותיות הן בתחום האינטליגנציה הפיזית והן בתחום האינטליגנציה הקוגניטיבית. התפתחויות אלה הביאו אותנו קרוב יותר למימוש של מערכות רובוטיות אמיתית חכמות ומסתגלות.

אחד התחומים המרכזיים של התקדמות היה בתחום האינטליגנציה הפיזית, המקיפה את יכולת הרובוט לבצע מניפולציות מיומנות, לשמור על איזון ולנווט בסביבות דינמיות. הצגת טכניקות למידה רב-משימתית מתוגמלת, כמו MT-Opt, אפשרה לרובוטים ללמוד ולבצע מספר משימות על ידי ניצול עקרונות למידה משותפים, מה שהפך את תהליך האימון ליעיל יותר ותוצר בכך שרובוטים יכולים להסתגל למגוון משימות בסביבות משתנות.

יתרה מכך, הופעת האדריכלויות המבוססות על טרנספורמרים, כמו RT1 ו-RT2, היוותה נקודת מפנה. מודלים אלה שינו את האופן שבו רובוטים מבינים ומתפעלים את העולם, גישרו על הפער בין תפיסתם לבין ההוראות המבוססות על שפה שהם מקבלים. על ידי יישור קו בין שליטה רובוטית ליכולות לשוניות, מודלים אלה אפשרו לרובוטים לפרש פקודות מורכבות, לבצע הסקה סמנטית ולהכליל את מיומנויותיהם לסביבות חדשות ובלתי מוכרות.

זמינותם של מאגרי נתונים רובוטיים בקנה מידה גדול, כמו מאגר הגוף הפיזי של OpenX, האיצה עוד יותר את ההתקדמות בתחום הבינה המלאכותית הרובוטית. מאגרים מגוונים אלה, המקיפים מגוון רחב של גוף רובוטי ומיומנויות, אפשרו את פיתוחם של מערכות רובוטיות עמידות ורב-תכליתיות יותר.

התקדמויות בעיצוב פונקציות התגמול, תוך ניצול היכולות של מודלי שפה גדולים כמו GPT-4, הראו גם תוצאות מבטיחות באימון רובוטים לרכוש מיומנות על-אנושית ברמה הנמוכה של משימות מניפולציה. פריצה זו יש לה פוטנציאל להתגבר על "פרדוקס מורבק", שהציע שקל יותר למחשבים להצטיין במשימות קוגניטיביות ברמה גבוהה מאשר במיומנויות פיזיות פשוטות לכאורה.

בקצב התפתחויות אלה, התעשייה הרובוטית מוכנה ל"רגע צ'אט-GPT" בתוך 12 עד 24 חודשים הקרובים. חברות מובילות כבר מתכוננות להטמיע רובוטים בתרחישים בעולם האמיתי, כמו ייצור ולוגיסטיקה, מה שיאיץ עוד יותר את עקומת הלמידה שלהם כשיאספו כמויות עצומות של נתוני אימון.

המעבר הפרדיגמטי מרובוטים מומחים לרובוטים כלליים נוהג בעיקר על ידי ההתקדמויות בטרנספורמרים ובמודלי שפה גדולים. בעבר, רובוטים היו מומחים מצוינים, אך גנרליסטים גרועים, שכן הם דרשו אימון של מודל נפרד לכל משימה וסביבה.然而,접근법은 비효율적이고 실용적이지 않은데, 현실 세계הסביבה תמיד דינמית ומשתנה באופן מתמיד.

פיתוח סוכני בינה מלאכותית, כמו מאמר המחקר "Voyer", שהציג יכולות קבלת החלטות ותכנון חזקות בעולם הדיגיטלי של Minecraft, הדגים את הפוטנציאל להעברת יכולות קוגניטיביות לסוכני בינה מלאכותית פיזיים. חברות כמו Boston Dynamics כבר התחילו לצייד את כלבי הרובוט שלהם, כמו Spot, במודלי שפה גדולים כדי לשפר את היכולות הקוגניטיביות שלהם ולספק חוויות חדשות למשתמשים הקצה.

הפריצה בשליטה רובוטית הייתה גם משמעותית. הצגת MT-OPT, מעבר פרדיגמטי מלמידה חד-משימתית ללמידה רב-משימתית, אפשרה לרובוט בודד ללמוד ולבצע מספר משימות על ידי ניצול עקרונות למידה משותפים. זה לא רק שהפך את האימון ליעיל יותר מבחינת נתונים וזמן, אלא גם הוביל לרובוטים שיכולים להסתגל למגוון משימות בסביבות דינמיות.

הפריצה האמיתית, עם זאת, הגיעה עם הצגת RT1 ו-RT2 על ידי Google. RT1 אימץ אדריכלות טרנספורמר, משלב קלטים ופלטים, ומשנה תמונות מצלמה, הוראות משימה ופקודות מנוע לשפה שהבינה המלאכותית הרובוטית יכולה להבין. זה ייצג קפיצת מדרגה משמעותית לעבר אינטליגנציה רובוטית מאוד מוכללת, שכן הבנת העולם והמשימות של הרובוטים הפכה עמוקה יותר עם משמעות השפה.

בהמשך ל-RT1, RT2 שילב מודל שפה חזותי שאומן מראש על נתונים מקיפים מהאינטרנט עם המודל המקורי של RT1. זה נתן לרובוטים הבנה מעודנת של רמזים חזותיים ושפה טבעית, מאפשר להם לפרש פקודות מורכבות, לבצע הסקה סמנטית, לזהות עצמים שונים ואפילו להשתמש בחלק מהעצמים ככלים כדי להשלים משימות בסביבות דינמיות.

השנים האחרונות היו עדות לפריצות דרך משמעותיות בתחום שליטת הרובוטים והלמידה רב-משימתית. אחד ההתפתחויות המרכזיות היה הצגת מסגרת MT-OP (למידה מתוגמלת רובוטית רב-משימתית), המאפשרת לרובוט בודד ללמוד ולבצע מספר משימות על ידי ניצול עקרונות למידה משותפים. זה מייצג מעבר פרדיגמטי מהמצב הקודם, שבו רובוטים היו צריכים להיאמן מהתחלה לכל משימה חדשה.

מסגרת MT-OP מאפשרת לרובוטים להחיל ידע ממשימה אחת למשימה אחרת, בדומה לשף המשתמש במיומנויות אפיית עוגות גם לאפיית לחם. למידה משותפת זו לא רק שהופכת את תהליך האימון ליעיל יותר מבחינת נתונים וזמן, אלא גם מובילה לרובוטים שיכולים להסתגל למגוון משימות בסביבות דינמיות.

בהמשך לכך, הצגת RT1 (טרנספורמר רובוטי 1) בדצמבר 2022 סימנה קפיצת מדרגה משמעותית בלמידה רובוטית. RT1 מאמץ אדריכלות טרנספורמר, מקבל קלטים (תמונות מצלמה, הוראות משימה) ופלטים (פקודות מנוע) ומשנה אותם לשפה שהבינה המלאכותית הרובוטית יכולה להבין. זה מאפשר לרובוטים לא רק לבצע משימות שאומנו עליהן במישרין, אלא להכליל ולבצע משימות שלא ראו קודם, בדומה לאדם הקורא ספר מתכונים ומבשל ארוחה שלא הכין קודם.

הצגת RT2 ביולי 2023 שיפרה עוד את היכולות הקוגניטיביות של הרובוטים. RT2 משלב מודל שפה חזותי שאומן מראש על נתונים מקיפים מהאינטרנט עם המודל המקורי של RT1, מעניק לרובוטים הבנה מעודנת של רמזים חזותיים ושפה טבעית שחורגת מנתוני האימון הרובוטיים המקוריים שלהם. זה מאפשר לרובוטים לפרש פקודות מורכבות, לבצע הסקה סמנטית ולהתאים את פעולותיהם לסביבות ורקעים דינמיים.

הקצב המהיר של ההתקדמות בשליטה רובוטית ולמידה רב-משימתית האיץ עוד יותר עם הצגת מאגר הנתונים OpenX Embodiment, מאמץ שיתופי פעולה עצום המספק נתונים מ-22 גוף רובוטי שונים, המדגימים יותר מ-500 מיומנויות ו-150,000 משימות פני יותר ממיליון אפיזודות. מאגר נתונים מגוון ונרחב זה אפשר את פיתוח RTX, מודל שעולה על RT2 ב-300% בהערכת מיומנויות חדשות, מדגים את החשיבות של נתוני אימון לקידום הבינה המלאכותית הרובוטית.

בנוסף, ההתקדמויות המחקריות האחרונות בשימוש במודלי שפה גדולים כמו GPT-4 לעיצוב פונקציות תגמול לאימון רובוטים בלמידה מתוגמלת יש פוטנציאל להתמודד עם "פרדוקס מורבק" הוותיק, שמציע שקל יותר להשיג ביצועי רמת בוגר במשימות אינטליגנטיות, אך הרבה יותר קשה להעניק להם את המיומנויות של ילד בן שנה בתפיסה ונייעות.

בקצב ההתפתחויות המואצות האלה, התעשייה הרובוטית מוכנה ל"רגע צ'אט-GPT" אפשרי בתוך 12 עד 24 החודשים הקרובים, שכן חברות מובילות מתכוננות להטמיע רובוטים בתרחישים בעולם האמיתי כמו ייצור ולוגיסטיקה. איסוף כמויות עצומות של נתוני אימון מהטמעות אלה צפוי להאיץ עוד יותר את עקומת הלמידה של הרובוטים, מבשר עידן חדש של מערכות רובוטיות חכמות ומסתגלות.

השנים האחרונות היו עדות לעלייה מרשימה בפיתוח של מודלי שפה גדולים, שחוללו מהפכה בתחום הבינה המלאכותית. מודלים עוצמתיים אלה הוכיחו את יכולתם לא רק בעיבוד שפה טבעית, אלא גם החלו לחולל התקדמות משמע