Модели роботов учатся адаптироваться по данным моторов

Один из главных эффектов от этого будет ускорение прогресса в роботике. Первые демо роботов-гуманоидов появились больше 50 лет назад, и до сих пор компании в основном продают демки. Сегодня (и завтра) я на конфе Humanoid Hub в СФ, общаюсь с фаундерами и инженерами из роботических стартапов. Один из прорывов за последний год в базовых роботических моделях - это уход от специализированной тренировки под каждую задачу к генерализации и обучении в рамках окна контекста. Например, модель Skild не имеет никаких других источников кроме как информация от моторов. Каждый мотор работает на 100 герцах, то есть за 1 секунду модель успевает сделать сотню проб и ошибок, понять что работает и адаптироваться к задаче с одного или вообще без примеров того как физически эта задача выполняется человеком. Для сравнения, пару лет назад задачи типа мелкой моторики или сложной навигации для гуманоидов/квадрупедов требовало тысяч часов живого видео и десятки тысяч часов симуляций. При этом, модель агностична к железу и работает одинаково эффективно для разных моделей, включая роборуки, колесные тележки или гуманоиды). Если автоматизация офисных бизнес-процессов через ИИ это $30 трлн в год, то роботы - это еще $20-25 трлн. Глупо было бы не забрать какой-нибудь жирный процент от этих денег, да ведь?