Bagong ideya ni Musk: Maaaring matutunan ng Optimus ang pagtiklop ng damit sa pamamagitan ng panonood ng mga video

Ang Tesla (TSLA.O) ay gumagamit ng isang subok na blueprint upang sanayin ang kanilang humanoid robot. Ayon sa mga taong may kaalaman sa bagay na ito, sinabi ng kumpanya ng electric vehicle sa mga empleyado noong katapusan ng Hunyo na ang Optimus project ay higit pang magpo-focus sa “pure vision” na pamamaraan.

Dati, gumamit ang Tesla ng motion capture suit at virtual reality headset upang i-record ang data ng mga human operator at remote control ng robot. Ngayon, ang kumpanya ay pangunahing magsasanay ng robot sa pamamagitan ng pagkuha ng video ng mga manggagawa habang ginagawa ang mga gawain, tulad ng pagtuturo dito kung paano pumulot ng bagay o magtiklop ng T-shirt.

Ayon sa mga taong may kaalaman, sinabi ng kumpanya na ang pag-abandona sa motion capture suit at remote control ay magpapabilis sa pagpapalawak ng data collection ng team.

Ang pagbabagong ito ay tanda ng malaking pagbabago sa robot strategy ng Tesla, na nagpapalapit sa Optimus sa matagal nang paniniwala ng CEO na si Musk na ang artificial intelligence ay maaaring matutunan ang mga komplikadong gawain gamit lamang ang mga camera. Matagal nang ginagamit ng Tesla ang katulad na pamamaraan sa pagsasanay ng kanilang autonomous driving software.

Naganap ang pagbabagong ito ilang sandali matapos magbitiw ang Optimus project lead na si Milan Kovac. Ayon sa mga taong may kaalaman, ang AI lead na si Ashok Elluswamy na ngayon ang namumuno sa proyekto.

Ang motion capture at remote control ay karaniwang pamamaraan sa industriya ng robotics. Halimbawa, ang nangungunang robotics company na Boston Dynamics ay gumamit ng remote control upang sanayin ang kanilang Atlas robot. Sa proseso ng pagsasanay, nagsusuot ng motion capture suit ang mga manggagawa upang gawin ang iba’t ibang gawain, at ang data ay ipinapasok sa robot. Ang motion capture suit ay maaari ring gamitin para sa remote control ng robot.

Hindi pa malinaw kung muling bibigyang prayoridad ng Tesla ang motion capture at remote control sa hinaharap, o kung gagamitin nila ang video data upang ipagpatuloy ang pag-develop batay sa naunang nakolektang impormasyon.

Ayon kay Robert Griffin, senior research scientist ng Institute for Human and Machine Cognition, ang malaking dami ng remote control data ay nagbibigay-daan sa robot na matuto sa pamamagitan ng pisikal na interaksyon sa kapaligiran. Sinabi niya na mahirap para sa robot na eksaktong mailipat sa totoong mundo ang mga kilos na nakikita lamang sa video data.

“Kung video data lang ang gamit mo, wala kang direktang pisikal na interaksyon,” aniya.

Pagtitiklop ng T-shirt at Pagpupulot ng Bagay

Unang inanunsyo ni Musk noong 2021 na plano ng Tesla na bumuo ng humanoid robot na tinatawag na Optimus. Sinabi ng bilyonaryo na sa huli, ang robot ay makakakumpleto ng mga gawain tulad ng paggawa sa pabrika at pag-aalaga.

Noong nakaraang taon, nag-hire ang kumpanya ng “data collection operator.” Kabilang sa posisyong ito ang pagsasagawa at pag-record ng mga pangunahing gawaing bahay. Ayon sa job posting, kailangang magsuot ng motion capture suit at virtual reality headset ang operator sa mahabang oras.

Hanggang katapusan ng Hunyo, kasama pa rin sa proyekto ang remote control at motion capture suit sa pagsasanay ng Optimus. Ayon sa mga taong may kaalaman, maraming oras ang ginugol ng mga manggagawa sa pag-aayos ng mga isyu sa kasuotan at sa mismong robot, na naglilimita sa dami ng data na maaaring makolekta ng team.

Mula nang magbago ang paraan ng pagsasanay, nagsimula nang gumamit ang mga manggagawa ng limang custom-made na camera ng Tesla upang i-record ang kanilang mga kilos. Ayon sa mga taong may kaalaman, ang mga camera na ito ay nakakabit sa helmet at mabigat na backpack na suot ng mga manggagawa, na kumukuha ng video sa iba’t ibang direksyon upang magbigay ng tumpak na data ng kapaligiran para sa AI model.

Ayon kay Christian Hubicki, direktor ng Robotics Lab ng Joint College of Engineering ng Florida A&M University at Florida State University, ang iba’t ibang anggulo ng mga camera ay maaaring magbigay sa Tesla ng mas detalyadong impormasyon, “tulad ng posisyon ng mga kasukasuan at daliri,” at mas mahusay na matukoy ang lokasyon ng robot. Dagdag pa niya, maaaring gamitin din ang mga video na ito upang dagdagan ang data na nakolekta dati sa pamamagitan ng remote control.

Sa pagsasanay, tumatanggap ng partikular na tagubilin ang mga manggagawa, lalo na sa mga kilos ng kamay, upang matiyak na ang mga kilos ay mukhang kasing-totoo ng sa tao. Ayon sa isang empleyado, maaari silang gumugol ng ilang buwan sa paulit-ulit na pagsasagawa ng isang simpleng gawain.

Ayon kay Jonathan Aitken, robotics expert mula sa University of Sheffield, kailangang makahanap ng paraan ang Tesla upang matutunan ng Optimus ang iba’t ibang gawain sa pamamagitan ng ilang generalizable na kilos.

“Sa ganitong kalakihan, kailangan nilang magkaroon ng set ng general na kilos, kung hindi ay aabutin ng napakatagal ang pagsasanay sa lahat ng gawain,” ani Aitken.

Dagdag pa niya, maaaring gamitin ng Tesla ang estratehiya ng Physical Intelligence, isang kumpanya na nagtuturo sa mga robot ng transferable skills sa pamamagitan ng pag-input ng maraming demonstration data, upang magamit ito nang flexible at hindi lang basta kabisaduhin ang isang gawain.

“Isang Napaka-Tesla na Paraan ng Robotics R&D”

Ang bagong estratehiyang ito ay tumutugma sa paraan ng Tesla sa pagsasanay ng autonomous driving software. Gumagamit ang ibang autonomous driving companies ng mga sensor tulad ng lidar at millimeter-wave radar upang sanayin ang software, habang ang Tesla ay pangunahing umaasa sa mga camera.

Gumagamit ang kumpanya ng data mula sa milyun-milyong Tesla vehicles na may 8 hanggang 9 na camera. Sinabi ni Musk na ang paglulunsad ng Tesla ng assisted driving software sa China ay natamo matapos sanayin ang AI system gamit ang mga public video ng mga kalsada sa Asia.

Inamin ni Musk sa earnings call noong Enero ngayong taon na “ang training demand para sa Optimus humanoid robot ay maaaring hindi bababa sa 10 beses ng kinakailangan para sa mga sasakyan.”

“Ito ay isang napaka-Tesla na paraan ng robotics R&D. Walang ibang kumpanya ang sumusubok gawin ito sa ganitong kalakihan,” ani Aitken. “Kailangan nila ng napakalaking dami ng data tulad ng sa pagsasanay ng mga sasakyan.”

Ayon kay Alan Fern, AI at robotics expert mula sa Oregon State University, ang pagsasanay sa Optimus ay mas mahirap pa para sa Tesla kaysa sa pag-develop ng autonomous vehicles.

“Pagmamaneho ay isang gawain lang,” aniya. Ang pangunahing pag-asa sa video learning ay “nangangailangan na maunawaan ng robot ang nangyayari sa video at magkaroon ng kakayahan upang tapusin ang gawain. May mga bagay na maaaring matutunan sa pamamagitan ng panonood, ngunit may mga bagay na kailangang personal na subukan sa simulator o sa totoong mundo.”