Reward AI'nın OM-1'i, yeni robot görevleri için 30 dakikadan az insan hareket verisi gerektirdiğini iddia ediyor

Reward AI ne duyurdu

Reward AI, dev.to'da yayımlanan bir yazıya göre, yeni bir robot görevüne 30 dakikadan az doğal insan hareket verisiyle uyarlanabileğini iddia ettiği evrensel robot politikası OM-1'i yayınladı. Öne çıkan rakam sunumun yalnızca bir parçası: duyuruda ayrıca demonstrasyon yapan kişilerin taktığı el yakalama donanımı, tek bir veri arayüzü ve teleoperasyonu ile gerçek makinelerde önceden veri toplamayı ortadan kaldırmayı hedefleyen tek aşamalı bir eğitim süreci tanımlanıyor.\n Çevrilen şirket belgelerinden derlenen ve dev.to makalesinde özetlenen lansman materyali, OM-1'i robot başına denetleyiciler ailesi değil, tek bir politika olarak konumlandırıyor. Aynı öğrenilmiş politikanın robotik kolları ve humanoid robotları doğrudan yönettiği, pekiştirmeli öğrenmenin (reinforcement learning) uygulanarak yürütmenin hızlı ve akıcı kalmasının sağlandığı iddia ediliyor.

İddia edilen rakamlar

Duyuruya göre sistem, teleoperasyon gerektirmiyor ve eğitimden önce fiziksel robot üzerinde oturum kaydı yapmaya ihtiyaç duymuyor. Yeni bir göreve uyum için 30 dakikadan az insan demonstrasyonu gerektiği belirtiliyor ve eğitim, bir politikayı robot gövdeleri arasında taşımayı genellikle zorlaştıran çok aşamalı hatlar yerine tek bir birleşik süreç olarak çalışıyor. Tek bir paylaşılan politikanın, bugün genellikle her biri kendi entegrasyon ve bakım yükünü taşıyan ayrı denetleyiciler gerektiren cross-embodiment senaryolarını kapsadığı iddia ediliyor.

Dev.to yazısı, kanıtların ne kadar az olduğuna dikkat çekiyor. Duyuruda model boyutu, kıyaslama sonuçları, görev başarı oranları, donanım maliyetleri, gecikme rakamları veya ön eğitim veri kümesinin büyüklüğü belirtilmiyor; bu da iddiaların ne ölçüde doğrulanabileceğini sınırlıyor.

İddianın tutmayabileceği noktalar

Makale ayrıca bir davranışı uyarlamak ile onu güvenilir biçimde devreye almak arasındaki uçuruma dikkat çekiyor. Yarım saatlik demonstrasyon, kontrollü bir tanıtımda bir hareketi taklit etmek için yeterli olabilir; oysa güvenilir çalışma, ışık değişimleri, yük varyasyonu, kalibrasyon kayması, engellenme (occlusion) ve güvenlik kısıtları altında tutarlı davranış gerektirir. Duyuru, insan verisi toplandıktan sonra ne kadar pekiştirmeli öğrenme ince ayarı yapıldığını ya da politikanın bir demonstrasyon belirsiz olduğunda ya da hedef robot için fiziksel olarak yeniden üretilemez olduğunda nasıl yanıt verdiğini nicelendirmiyor.

Neden önemli

Robotiğin uzun süredir devam eden bir veri sorunu var: insanlar manipülasyonu izleyerek ve deneyerek öğrenir; robot politikaları ise aynı hareketi denemeden önce genellikle donanımlandırılmış ortamlar, uzman operatörler ve göreve özgü yapılar gerektirir. Sıradan el hareketini doğrudan kullanılabilir bir eğitim girdisi olarak ele alan bir sistem, maliyetin yığında nerede durduğunu değiştiriyor. Teleoperasyon ve robot üzerinde veri toplama, her yeni görev, robot gövdesi ve müşteri tesisi için yeniden ödenen masraflardır; bunları kısa bir giyilebilir yakalama oturumuna indirgemek, ekimleri daha sık görev güncellemelerine ve hangi iş akışlarının otomatikleştirilmeye değer olduğu konusunda daha hızlı kararlar almaya itecektir; yine de entegrasyon, doğrulama ve güvenlik incelemesi varlığını sürdürecektir.

Cross-embodiment aktarımı, iddianın daha stratejik kısmı. Kollar ve humanoid robotlar eklemler, uç efektörler, sensörler ve kontrol frekansları açısından farklıdır; ama örtüşen manipülasyon sorunlarıyla karşı karşıyadır. Paylaşılan bir politika bu farkları silmez; ancak ortak bir arayüz, karışık robot filolarını pahalılaştıran özel adaptör işini küçültebilir; alıcılara tek bir donanım biçimine daha az bağımlılık, satıcılara ise tek seferde eğitip birkaç form faktöründe satma seçeneği sunar.

Dev.to analizinin de işaret ettiği gibi, yakın vadeli sonuç büyük olasılıkla hibrit olacak: prototipleme ve yeni görevleri başlatma için insan hareket yakalama, sertifika ve çalışma süresi için ise klasik kontroller, simülasyon testleri ve göreve özgü güvenlik önlemleri sorumluluğu sürdürecek. Reward AI başarı oranlarını ya da bağımsız değerlendirmeleri yayımlayana kadar OM-1'i yerleşik bir platform olarak değil, metodolojik bir sinyal olarak okumak en doğrusu: insan hareketi eğitim sinyali haline geliyor ve robot donanımı onu tüketen uç nokta oluyor. Devreye alma maliyetinin çoğu zaman model yeniliğinden daha önemli olduğu bir alanda, şirketin saldırdığını söylediği değişkenler doğru olanlar.