マスクのロボットが進化した!新たなスキルが解き放たれ、エンドツーエンドのニューラルネットワークが実現

マスクのロボットが進化した!新たなスキルが解き放たれ、エンドツーエンドのニューラルネットワークが実現

マスク氏のロボットの大いなる進化。

1年前に初めて舞台に立ったときは動きが少しぎこちなかったが、今ではヨガの達人になった。

また、自動運転システムと同じエンドツーエンドのニューラルネットワークアーキテクチャを使用しており、ルールベースのコードなしでアイテムの分類を学習できます。

マスク氏自身の言葉:

光子が入り、アクションが出ます。

ネットユーザーらは「動きがとても優雅で滑らかで、この動画が本物だとは信じられない」とコメントした。

マスク氏はこう答えた。「アクチュエーター、センサー、そして全体的な機械構造のさらなるアップグレードがこれから行われる予定だ。」

誰かがロボットの首の後ろに赤いボタンがあることに気づき、「ロボットが世界を支配するつもりなら、これを忘れずに押してください」と言いました。

これに対しマスク氏は、安全性を最大限に高め、リモコンや携帯電話でロボットを簡単に一時停止できるように取り組むと述べた。

進捗状況の発表に加えて、マスク氏はロボットチームの採用という大きな目的を持ってこのビデオを投稿し、𝕏プラットフォームの採用機能も実演しました。

今回、テスラのロボットチームは、さまざまなハードウェアエンジニア、機械学習エンジニア、インターンを合計51人募集しています。

年俸は8万~36万ドル(約60万~260万人民元)です。

GIF分解

今回、テスラ オプティマス プライムの公式アカウントは、技術的な詳細を一切明かさずに 1 分間のビデオのみを公開しました。

しかし、テスラのロボットチームの主任エンジニアであるジュリアン・イバルズ氏は、オプティマス・プライムが長期ミッションを遂行できるようになったことを明らかにした。

収集されるデータが増えるにつれて、コードを変更することなく新しい複雑なタスクをトレーニングできるようになります。

第三者の意見の中で最も詳しいのは、ビデオに基づいたNvidiaの科学者Fan Linxichun氏による長々とした逆分析だ。

彼は次のように推測した。

  • 滑らかな手の動きは、ほぼ間違いなく人間を模倣することによって訓練された(行動のクローニング)。

もう 1 つの選択肢は、シミュレートされた環境での強化学習ですが、これにより、ぎくしゃくした不自然な手のポーズが生じることがよくあります。

人間のデモンストレーションデータを収集する方法は少なくとも 4 つありますが、最も可能性が高いのはリモート コントロールです。

ロボットアームを制御してAirPodsを充電ボックスに入れることができるスタンフォード大学のオープンソースALOHAシステムを参考にすることができます。

他の 3 つの方法は、モーション キャプチャ、深度カメラとコンピューター ビジョン、VR シミュレーションであり、映画やゲームでよく使用されます。

これら 4 つの方法は相互に排他的ではなく、さまざまな利点と欠点を考慮して組み合わせて使用​​できます。

  • ニューラル ネットワーク アーキテクチャは、マルチモーダル Transformer になる可能性があります。

画像、動画、アクション、言語の統一された表現(存在するかどうかは不明)。アクション部分では、連続信号を個別のトークンに変換する必要があります。

最後に、ビデオ トークン (またはオプションの言語トークン) が入力されるたびに、アクション トークンが出力されます。

最も近いシステムは、Google RT-1 と NVIDIA の VIMA です。

  • ボストン・ダイナミクスのアトラス・ロボットには単純なグリッパーしか付いていないが、テスラのオプティマス・プライムには器用な5本の指があり、将来的には日常的な作業でより優れたパフォーマンスを発揮するだろう

しかし、実際には映像が2~3倍速になっており、ロボットだけのときは目立たなかったが、人間が画面に映るとそれが顕著になったと批判する人もいた。

エンドツーエンドのアーキテクチャ: ボット向け ChatGPT

テスラは、エンドツーエンドのニューラル ネットワーク アーキテクチャを初めて FSD に実装しました。

つい最近、マスク氏自身がザッカーバーグ氏の自宅に自動運転のデモンストレーションをライブ配信し、大きな話題を呼んだ。

具体的には、自動運転システムに用いられるエンドツーエンドのアーキテクチャにより、ルールコードを30万行削減し走行速度を10倍高速化できるという。

このプロジェクトを担当するエンジニアのダヴァル・シュロフ氏はかつてマスク氏にこう語った。「これは自動車で使用されているChatGPTと同等です。」

シュロフ氏は今回のロボットを「エンドツーエンド、最高」と評価した。 FTW が「For the win」を意味するのか「F * the world」を意味するのかはわかりません。

先ほど、ナビなしで湖のそばを自動運転するテスラ車のビデオが公開されましたが、最新のエンドツーエンドアーキテクチャFSDv12を実行していたかどうかは定かではありません。

もう一つ

今週末、サイバートラックはサンフランシスコの路上にも登場した。

テスラは9月末に毎年恒例のAIデーイベントを開催する予定であり、引き続き注目していきたい。

今回はどんなサプライズが待っているのか分かりません。

<<:  ザッカーバーグ氏がCharacter.AIの1:1レプリカである仮想チャットAIをリリース?ユーザーの不満: 設定が古すぎる

>>:  マルチモーダル大規模モデルの最も包括的なレビューはここにあります!マイクロソフトの研究者7人が5つの主要トピックについて協力し、119ページの文書を公開した。

ブログ    
ブログ    
ブログ    

推薦する

AI に適切なデータ戦略を構築するにはどうすればよいでしょうか?

適切なデータ戦略を使用して人工知能 (AI) を実装すると、データがシステムにシームレスに流れ込み、...

将来の知能社会に向けた人工知能の基礎教育の強化

人工知能の基礎教育を強化することは、将来の社会の発展に備えるための避けられない選択であり、要件です。...

スタンフォード大学の人工知能レポート: 今からでも遅くはない

スタンフォード大学は3月3日、2021年人工知能指数レポートを発表しました。その中で、AI関連の学習...

AI主導のサイバーセキュリティチームが人間の能力拡張に取り組む

サイバー脅威の範囲は、企業資産や選挙から健康データや物理インフラまで拡大しており、新興技術の予期せぬ...

中国のAI臨床診断がネイチャー誌に初掲載:71人の専門家が人間の医師を上回る精度の報告書を寄稿

[[257228]] 【新知能紹介】中国内外の科学者71人が共同で、検査結果を検知し、医師と同じくら...

自分でゴミを分別できるスマートゴミ箱が登場するまで、どれくらい時間がかかるのでしょうか?

あなたの市では今日から「ゴミの分別」が始まりましたか?上海が先導して実証を進め、北京、天津、重慶、成...

「無人運転」の技術的道筋

無人運転車が実際に走行するには、認識、意思決定、実行における技術的な問題を解決する必要があります。 ...

...

大規模言語モデルの視覚的才能: GPTは文脈学習を通じて視覚的タスクも解決できる

現在、大規模言語モデル (LLM) は、自然言語処理 (NLP) の分野で変化の波を引き起こしていま...

...

1 つの記事で機械学習を理解する: 基本概念、5 つの主要な流派、9 つの一般的なアルゴリズム

1. 機械学習の概要 1. 機械学習とは何ですか?機械は大量のデータを分析して学習します。たとえば...

李開復氏独占インタビュー:10年後には人間の仕事の50%がAIに置き換えられる

「人工知能は急速に発展し、10年以内に人間の仕事の50%がAIに置き換えられるだろう」。シノベーショ...

FBIが警告:AIを使ってサイバー攻撃を仕掛けるハッカーの数が驚くべき速度で増加している

PCMagによると、7月31日のニュースでは、金曜日の記者との電話会議で、FBIは人工知能プログラム...