Robotter har længe været darlige til at gribe ting, trods milliarder i investeringer og uendelige videoer lagt ind i deep learning-modeller. Det kan være ved at ændre sig takket være en manipulationsarkitektur designet af Eka Robotics, en startup grundlagt af MIT-professor Pulkit Agrawal og tidligere Google DeepMind-forsker Tuomas Haarnoja.
Virksomheden har netop lukket en Serie A-finansieringsrunde på 150 millioner dollar, der værdiansætter selskabet til 1,45 milliarder dollar post-money. Investeringen blev ledet af venturefondenea16z og F-Prime.
“De overstiger allerede overmenneskelig præstation for visse opgaver, og vi mener, at der vil være overmenneskelig præstation inden for mange dextrous manipulation-opgaver over de næste måneder,” sagde Raghu Raguram, generel partner hos a16z, som co-ledede finansieringsrunden.
Eksperter er chokeret over Ekas præstationer
I en æra præget af endeløse robotdemonstationer har Ekas kapaciteter chokeret veteranrobotikere. Kris Hauser, professor ved University of Illinois Urbana-Champaign, sagde, at robotten havde en “wow-faktor” sammenlignet med andre robotdemoer, han havde set for nylig. Ekas robot “var i stand til at tilpasse sig et stort antal forskellige objekter uden at skulle retrænes,” sagde Hauser, og tilføjede, at den også havde et aspekt af “menneskelighed – uhyggelig menneskelighed, hvor den ville prøve igen og igen, hvis den fejlede første gang.”
En anden robotiker, der bad om anonymitet på grund af arbejde på et avanceret laboratorium, fortalte, at det at se Ekas robot i aktion var en følelsesmæssig oplevelse, sammenlignelig med, da robotter først opnåede pålidelig tobenede lokomotion for fem til ti år siden.
Hvad er særligt? Hvor glat og hurtig robotten bevæger sig. Den kan gribe cirka 1.500 objekter, der vejer op til 1 kg på en time, sammenlignet med omkring 600 for mennesker. Eka siger, at den pålidelig griber objekter mere end 95 procent af tiden. Robotarmen er stærk nok til at skade sig selv, når den bevæger sig så hurtigt. Det indikerer, ifølge observatøren fra det avancerede laboratorium, at “de har stor tillid til deres algoritme, så den ikke knækker robotten. Jeg spekulerer på, hvor mange robotter de knækkede på vejen.”
Force-sensing i stedet for rent vision
Disse kapaciteter er en følge af, hvordan foundational modellen blev bygget. I stedet for en vision-language-action model – der trænes til at forstå forholdet mellem sprog, visuelle inputs og handlinger – bruger Eka en vision-force-action model, der fokuserer på forholdet mellem sprog, kraft-inputs og handlinger. Kritikere af den nuværende retning inden for generativ AI-robotik, som Rodney Brooks, siger, at de vil fejle uden et forsøg på at repræsentere kraft og berøring. Ekas resultater tyder på, at disse kritikere har ret.
“Vision er ikke den primære måde, hvorpå du løser dette sidste millimeter-problem,” sagde Eka co-founder Agrawal. “Vision fortæller dig cirka hvor objektet er, hvad positionen er, men det egentlige greb, det egentlige søgen sker gennem kræfter.”
Eka måtte designe en unik robothand, der var mere fleksibel end traditionelle gribere, og som indeholdt flere kraftsensorer. Den reagerer på kontakt, hvilket er grunden til, at den ikke knuser hindbær. Grundlæggerne er lukkemundede om, hvordan de opnåede det af åbenbare konkurrencemæssige grunde, men det handler om at bruge en fysik-simulator til at modellere de flere kræfter, som robotten vil møde, når den forsøger at gribe noget, og bruge det til at skabe et reinforcement learning-miljø, der kan køres i stor skala. De siger, at de kan generere tusindvis af timer robottid på få minutter.
Fra simulation til virkelig verden
Agrawal og Haarnoja, der først mødte hinanden på kandidatgrad på University of California, Berkeley, er ledende forskere inden for reinforcement learning til robotkontrol. Ekas vigtigste strategi var, at denne teknik kunne udføres i stor skala gennem simulation, i stedet for at stole på videoer indsamlet af vikararbejdere eller robotoperatører, der udfører opgaver over mange timer.
“Hvad EKA bygger bro over, er generalitet-præstations-gabet, som plager mange moderne robotter,” argumenterer Agrawal. Lige nu er de mest generaliserbare fysiske AI-modeller – dem der kan forsøge mange forskellige opgaver – ikke særligt gode til dem. Men AI-modeller, der trænes til at være meget dygtige ved en enkelt opgave, lukker muligvis ikke forretningssagen for en virksomhed.
Ekas gripper-hardware koster mindre end 1.000 dollar og er vurderet til 5 millioner arbejdscyklusser, men slutmålet er at ramme stativet på 20 millioner cyklusser, der er sat af standard industrielle arme. “Det vi bygger er engineering omkring, hvordan man designer hele arbejdsgange, men vi starter med at være meget pragmatiske og siger: her er to vertikaler inden for greb, arrangement, placering og ledningsmanipulation – lad os gøre dem til store succeser,” sagde Agrawal.