로봇 머신 러닝 회사 Generalist는 인간 손의 손재주와 근육 기억이 필요했던 “광범위한 신체적 기술”에 대해 “생산 수준의 성공률을 넘어선” 새로운 물리적 AI 시스템인 GEN-1을 발표했습니다. Generalist는 또한 새로운 움직임을 즉흥적으로 구현하고 “새로운 문제를 해결하기 위해 여러 곳의 아이디어를 연결”함으로써 혼란에 대응하는 새로운 모델의 능력을 홍보합니다.
GEN-1은 Generalist의 이전 GEN-0 모델을 기반으로 하며, 이 모델은 지난 11월 로봇 훈련에서 확장 법칙의 적용 가능성에 대한 개념 증명으로 선전되었으며, 더 많은 사전 훈련 데이터와 컴퓨팅 시간이 훈련 후 성능을 어떻게 향상시키는지 보여줍니다. 그러나 대규모 언어 모델은 훈련의 일환으로 인터넷에 집합적으로 작성된 수조 개의 단어를 효과적으로 처리할 수 있었지만 로봇 모델에는 인간이 객체를 조작하는 방법에 대한 유사하고 쉽게 액세스할 수 있는 고품질 데이터 소스가 없습니다.
이 문제를 해결하기 위해 Generalist는 인간이 수동 작업을 수행할 때 미세한 움직임과 시각적 정보를 캡처하는 웨어러블 집게 세트인 “데이터 손”을 사용했습니다. Generalist는 이제 물리적 모델을 훈련하는 데 도움이 되도록 50만 시간이 넘는 시간과 “페타바이트 규모의 물리적 상호 작용 데이터”를 수집했다고 주장합니다.
닥치고 내 돈을 (지갑에서) 빼내세요(그런 다음 다시 넣으세요).
그 결과 지갑에 돈을 넣을 수 있을 만큼 정밀하고 세탁물을 접거나 자동차 부품을 분류할 수 있을 만큼 적응성이 뛰어난 자율 시스템이 탄생했습니다. Generalist에 따르면 이 모델은 이제 상자 접기, 휴대폰 포장, 로봇 청소기 서비스와 같은 반복적이지만 섬세한 기계 작업에서 99%의 성공률에 도달했으며 이전 GEN-0 모델보다 속도가 약 3배 향상되었습니다. 회사에 따르면 GEN-1은 특정 로봇 구현에 적용되는 “로봇 데이터”에 사전 훈련을 적용하는 데 약 1시간만 소요된 후에 이러한 목표를 달성할 수 있습니다.
실수로부터 회복하기
과거에는 복잡한 로봇 시스템이 일반적으로 신중하게 사전 프로그래밍된 동작에 의존하거나 변형이 거의 없이 단일 작업에만 집중하도록 훈련되었습니다. Generalist는 GEN-1이 차별화되는 점은 단일 모델이 이전 경험을 바탕으로 즉흥적으로 대응하고 “훈련 분포를 훨씬 벗어난” 경우에도 중단에 자연스럽게 대응할 수 있는 능력이라고 말합니다.
