Beijingga asoslangan jismoniy AI startapi X Square Robot HOSTni ochiq manba qildi. Ushbu freymvork humanoid robotga qisqa namuna videosini kuzatib, vazifani birinchi urinishida muvaffaqiyatli takrorlash imkonini beradi. Faqat 29 soniyalik klip yordamida HOST 62 foiz vazifa bajarish darajasiga erishdi, bu sanoat standartidan sezilarli darajada yuqori, chunki odatda 38 foiz muvaffaqiyatga erishish uchun taxminan 50 ta ekspert namunasini va toʻrt soatlik mayda sozlash talab qilinadi.
Jismoniy AI sohasidagi hukmron usul teleoperatsiya maʼlumotlarini yigʻishni oʻz ichiga oladi. Bu jarayonda muhandis VR bosh kiyimidan foydalanib, robot qoʻlini vazifa doirasida kadrma-kadr qoʻlda boshqaradi, keyin esa kechasi nazorat ostidagi mayda sozlashni amalga oshirishdan oldin ketma-ketlikni koʻp marta takrorlaydi. Ushbu usul bilan bogʻliq xarajatlar sezilarli darajada katta; bitta maʼlumot yigʻish robotining narxi yuz minglab dollar, va bitta namuna uchun marginal xarajat yuz dollardan oshishi mumkin.
Hindistagi maʼlumot fabrikalari va Xitoy shaharchaqalaridagi yarim stavkali ishchilar harakat maʼlumotlari uchun eng arzon manbani taqdim etsa-da, umumiy xarajat tuzilmasi kengaytirish uchun qiyin boʻlib qolmoqda.
HOST ushbu oʻrnatilgan protsedurani fundamental ravishda teskari qiladi. Robotga inson boʻgʻimlari harakatlarini taqlid qilishni buyurish oʻrniga, HOST robotga yakuniy holatni tushunishni va keyin zarur harakatni hosil qilishni talab qiladi. Freymvork ikkita asosiy komponentni oʻz ichiga oladi: inson namunasini qayta ishlash orqali sahna robot uni qanday idrok etishini aks ettiradigan vizual modul va shu aniq tasvirni yaratish uchun zarur boʻlgan boʻgʻim traektoriyasini hisoblaydigan harakat moduli.
Bundan tashqari, inson videosidagi kadrlarni robotning ijro bosqichlariga moslashtirish uchun dinamik vaqtni burish (dynamic time-warping) moslashtirish moduli integratsiya qilingan boʻlib, bu moslashtirish xatolarini taxminan bir magnitudaga kamaytiradi. Ushbu metodologiya kognitiv fanlar simulyatsiya nazariyalaridan ilhomlangan boʻlib, ular insonlarning harakatni bajarishdan oldin maqsadli natijani miyada mashq qilish orqali yangi motor koʻnikmalarni egallashini taʼkidlaydi.
Xitoy jamoasi bu kognitiv mantiqni robot oʻrganishi uchun moslashtirdi va anʼanaviy oflayn mayda sozlashni inferensiya vaqtidagi kontekstli oʻrganish bilan almashtirdi. Ushbu sozlamada robot yangi maʼlumotlar ustida qayta oʻqitilmaydi; balki u taqdim etilgan videoni prompt sifatida qabul qiladi. X Square Robot 2023-yil oxirida tashkil etilgan va shu vaqtdan beri sakkiz ta moliyalashtirish turida bir milliard yuan dan ortiq mablagʻ jalb qildi, investorlar orasida Meituan Strategic Investment, Alibaba Cloud, Lenovo Capital va Delian Capital mavjud.
HOSTni ochiq manba sifatida chiqarish qarori korxona sinov dasturlari yoʻlida ishlab chiquvchilar diqqatini tortishga qaratilgan strategik qadamdir. Garchi 62 foiz raqami tadqiqot mezonini tashkil etsa va tayyor joylashtiriladigan isteʼmolchi roboti boʻlmasa ham, inferensiya vaqtidagi oʻrganish standart amaliyotga aylanganda jismoniy AI oʻquv liniyalarining kelajak arxitekturasiga oid muhokamaning mohiyatini qayta belgilaydi.

