Прихована проблема робочої сили в буремі гуманоїдних роботів

Ключові моменти

• Компанії з гуманоїдної робототехніки залучили мільярди доларів протягом останніх 18 місяців, значна частина яких фінансує масштабні програми дистанційного керування людиною.
• Набори даних телеоперування, де люди записують себе, виконуючи завдання для навчання роботів, більш ніж у 100 000 разів менші за набори даних, використані для навчання сучасних мовних моделей.
• Робітники в Китаї, Індії, Європі та США найму­ються для запису домашніх завдань і дистанційного керування роботами, утворюючи комерційну індустрію постачання даних.
• Нікіта Рудін, співзасновник і генеральний директор стартапу робототехніки Flexion, стверджує, що навчання з підкріпленням у симуляції — це єдиний підхід, який може зламати залежність від даних людських демонстрацій.
• Flexion залучила 50 мільйонів доларів фінансування від DST Global і NVentures для розробки того, що Рудін називає універсальним «мозком» для гуманоїдних роботів.

Аргумент на користь гуманоїдних роботів завжди був простим: люди не зможуть займати певні посади в майбутньому, тому їх замінять роботи. Проте гостра стаття, опублікована на цьому тижні виданням The Robot Report, ставить незручне питання. А що якщо самі роботи потребуватимуть постійного постачання людських робітників, щоб функціонувати?

Проблема полягає в телеоперуванні. Це коли оператор, часто розташований далеко, керує роботом за допомогою дистанційного пристрою, так само як ви можете керувати іграшковою машинкою з пультом. Кожен рух записується. Потім робот вивчає цей відеозапис і намагається його повторити.

Навчання робота таким способом звучить розумно. Проблема, за словами Нікіти Рудіна, який закінчив докторантуру в Лабораторії роботичних систем ETH Zurich і працював над інструментами робототехнічної симуляції в Nvidia, полягає в тому, що це вкрай погано масштабується.

Полиця рухається. Ручка дверей трохи інша. На конвеєр надходять коробки нової форми. Кожна дрібна зміна означає, що хтось має знову записати завдання з нуля. Реальний світ ніколи не перестає змінюватися, а людська робоча сила, яка генерує демонстрації, ніколи не встигає.

Якість цих даних також сумнівна. Оператори, які дистанційно керують роботом, не можуть почути дотик чи точно оцінити відстань, тому вони рухаються повільно й надмірно коригують. Робот потім навчається з відеозапису людини, яка борсається з пультом, і саме боротьба — це те, чого він практикується.

Чи насправді більше операторів вирішить цю проблему?

Ні, і це суть аргументу Рудіна. Він проводить різкі паралелі з ранніми днями великих мовних моделей, технології штучного інтелекту, яка лежить в основі чатботів на кшталт ChatGPT. Ці ранні моделі навчалися на величезній кількості текстів і могли грубо копіювати стиль Шекспіра, але насправді не могли міркувати. Справжній прорив стався завдяки навчанню з підкріпленням — методу навчання, при якому програмне забезпечення вчиться, пробуючи, помиляючись, коригуючись і знову пробуючи протягом мільйонів спроб, без людини, яка говорила б йому, що робити на кожному кроці.

Рудін стверджує, що гуманоїдна робототехніка застрягла на цій ранній стадії, де можливе лише наслідування. Більше даних телеоперування означає лише більше наслідування при величезних витратах.

Альтернатива, яку він описує, — це навчання з підкріпленням у комп'ютерних симуляціях. Програмне забезпечення робота може збиватися з ноги мільйони разів у віртуальному світі, миттєво переміщатися та спробувати знову, працюючи паралельно на багатьох комп'ютерах одночасно. Більше обчислювальної потужності прямо означає більш швидкий прогрес. Це зовсім інше рівняння, ніж найм більшої кількості робітників у країнах з нижчою заробітною платою для запису, як вони прали білизну.

Для людей, які сьогодні виконують роботу телеоперування, і для інвесторів, які фінансують ці компанії, виклик Рудіна є прямим: якщо справжньою метою є автономність робота, дані повинні показати, що участь людини з часом зменшується. Якщо вона не зменшується, телеоперування припинило бути мостом і потай стало постійним методом.