Dream Labs با جذب ۹۰ میلیون دلار میخواهد یک مغز هوش مصنوعی برای کنترل هر بازوی رباتیک بسازد

Dream Labs، استارتاپی که توسط پژوهشگران سابق رباتیک Nvidia تأسیس شده، ۹۰ میلیون دلار سرمایه اولیه به رهبری B Capital و Kindred Ventures جذب کرده تا Dream-1 را بسازد؛ مدلی که برای کنترل سختافزارهای رباتیکی طراحی شده که هرگز بهطور خاص روی آنها آموزش نداده شده است. همزمان با این دور سرمایهگذاری، شرکت Dream API را معرفی کرد که آن را اولین API عمومی برای یک مدل پایه رباتیک میداند. پیشنهاد این شرکت ساده است: سختافزار رباتیک سالهاست بهاندازه کافی خوب بوده و چیزی که واقعاً کم بود، یک مغز بهاندازه کافی عمومی برای اجرای هر کدام از آنها بود.
Dream-1 چگونه بین سختافزارهای مختلف تعمیم مییابد
بیشتر سیستمهای کنترل رباتیک برای یک دستگاه خاص در انجام یک کار خاص آموزش میبینند؛ به همین دلیل استقرار یک بازوی رباتیک جدید معمولاً ماهها برنامهنویسی اختصاصی نیاز داشته است. Dream-1 رویکرد متفاوتی دارد: ابتدا روی ویدیوهای افرادی که کارهای روزمره انجام میدهند آموزش میبیند و سپس میآموزد چه اتفاقی بعداً باید بیفتد و آن را به دستورات موتور برای هر رباتی که کنترل میکند ترجمه کند. Dream Labs میگوید این مدل میتواند هر رباتی مجهز به گریپر را بهصورت zero-shot کنترل کند و اکنون کارهای رومیزی مانند برداشتن، گذاشتن و تا کردن لباس را انجام میدهد.
Joel Jang، مدیرعامل و یکی از بنیانگذاران، این مقایسه را با ماشین اجارهای بیان کرد: راننده هنگام سوار شدن به خودرویی ناآشنا، رانندگی را دوباره یاد نمیگیرد، بلکه کنترلها را پیدا میکند و تجربه قبلیاش کار را انجام میدهد. Dream-1 با همین رویکرد به رباتی جدید نزدیک میشود.
API عملاً چه چیزی به توسعهدهندگان میدهد
Dream API به فید دوربین یک ربات پشتیبانیشده متصل میشود، یک دستور به زبان طبیعی انگلیسی میپذیرد و دستورات موتور لازم برای اجرای آن را برمیگرداند. برای تیمهایی که به عملکرد بهتر روی یک کار خاص یا سختافزار غیرمعمول نیاز دارند، Dream Labs سرویس fine-tuning هم ارائه میدهد. محصول سومی به نام Robot Playground به هر کسی اجازه میدهد از طریق مرورگر دستوراتی را به رباتی فیزیکی در دفتر سانفرانسیسکوی Dream Labs ارسال کند و نتیجه را زنده تماشا کند.
چرا این یک شرطبندی روی نظریه خاصی از رباتیک است
Dream Labs سرمایهگذاری خود را روی این فرضیه گذاشته که مدلهای پایه عمومی برای عمل فیزیکی میتوانند مهارتها را بین بدنهای مختلف رباتیک سریعتر از برنامهریزی حرکتی دستی منتقل کنند. ریسک این شرطبندی در کیفیت تعمیم تحت شرایط واقعی است.
چه چیزی را باید دنبال کرد
برای استارتاپهای سختافزار رباتیک، اگر هزینه یکپارچهسازی مانع اصلی عرضه محصول است، Dream API ارزش بررسی دارد. برای خریداران و سرمایهگذاران، نشانهای که باید دنبال کرد این است که آیا Dream Labs پوشش کارها را فراتر از دستکاری رومیزی به رباتهای چرخدار و دستهای ماهرتر گسترش میدهد یا نه.