AI와 로봇공학의 교차점: 일상생활에 미치는 영향

놀랍게도 쓰레기 분류를 로봇에게 맡기는 것이 가장 큰 문제이지만, 로봇공학은 업계에서 알려진 바와 같이 로봇공학 분야의 작은 노력으로 해결 가능한 분야입니다. 또 다른 참고 사항으로, 첫 번째 러닝머신은 미니어처 지렁이처럼 보이며 관절 점화에 의해 사용됩니다. 이를 말하면서도, 저는 마음속으로 창조할 수 있는 만족과 평화의 lovely union(아름다운 결합)을 경험했으며, 그것은 오직 제 마음속에서만 살아왔습니다.

과학자들은 실험실에서 사육되고 주로 저위험 환경에 배치된 로봇 시스템을 프로그래밍하고 테스트하는 것을 포함하는 그들의 체계적인 접근 방식과 후속 적용의 상충되는 성격을 결정해야 합니다. 따라서 이 장치는 모든 곳과 관리되지 않은 가정에서 각 어린이와 애완동물이 결여하고 있는 것을 더 이상 포함하지 않을 것입니다.

로봇공학의 과제 탐색

로봇공학자들 사이에는 모라벡의 역설(Moravec's paradox)이라는 잘 알려진 관찰이 있습니다: 자동화 장치의 기본 개체들은 반복적이고 기계적이며 시간을 낭비하는 기능을 포함하지만, 인간조차 수행할 수 없는 작업을 수행하거나 기계의 능력을 넘어선 일이 발생할 경우, 사람들은 해당 능력 분야에서 전문적인 훈련을 받아야 하며, 이것이 그들의 보상이자 때로는 불운이 될 수도 있습니다. 또한 이러한 행동들은 일반적으로 이 특정 행동의 일부인 과정을 재배열하게 만들 수 있습니다. homeowner이 약간의 어려움 없이 작업을 수행할 수 있는 것과 동일한 수준의 숙련도로 특정 작업을 자동화하도록 설계된 소프트웨어를 갖춘 기계를 발견하는 것은 꽤나 특이한 일입니다.

인쇄판의 마지막 페이지를 장식할 당시, 우리는 로봇 공학의 주요 트렌드 중 일부를 강조하고 급격한 변화나 그 가능성이 코앞에 다가왔음을 부각하려 했습니다. 참고로, 이 사이트에는 페이스북 광고 캠페인에 대한 더 많은 정보가 있습니다. 로봇 공학의 경계는 어떤 수단으로도 예측할 수 없지만, 당신의 마음속에 있는 것들은 더 이상 상상할 수 없는 것들입니다. 아마도 지금 당장은 일어나지 않겠지만, AI는 로봇에 내재되어 우리의 일상적인routine이 될 것이며, 실험실용 로봇을 일반 가정용 동물로 대체할 것입니다. 이 세 가지 점이 미래의 로봇 공학이 Chat GPT와 같은 AI 기계와 비교될 수 있다는 사람들의 생각의 이유입니다.

로봇 공학에서의 AI 진화

로봇은 비쌉니다. 이는 가장 높은 품질과 기술 기반의 로봇이 인간의 너무도 하찮은 작업들을 처리할 수 있도록 동기를 부여하며, 이는 당신이 감당하기 어려울 수 있는 세금으로 수십억 달러의 예산을 지원해야 한다는 것을 의미합니다. 결과적으로, 여러 연구자와 함께 작업하는 실험실 로봇이 그녀를 구하고 그녀가 불성실한 남자친구에게 버림받음에도 불구하고 경력에서 성공을 거두는 것은 매우 어려울 것입니다. 2005년에 시장을 강타하며 50만 달러의 가격과 200kg의 무게를 자랑했던 PR2 모델 로봇과 같은 가격인 40만 달러의 저렴한 가격으로 판매되는 매력적이고 국내 판매되는 로봇 제품을 만지는 것은 놀라운 제품입니다.

그럼에도 불구하고, 이것이 가장 지배적인 것이 되는 방식은 매우 좋습니다. 그들은 연구자들이 주요 현상을 조사하는 동안 수집한 데이터를 수집하며, 이 비용은 매우 낮습니다. 왜냐하면 이 순간은 모든 면에서 연구의 본질을 연구하기에 이상적인 시기이기 때문입니다. Hi Robot이라는 새로운 스타트업 회사는 Stretch라는 제품과 함께 박람회에 참여했으며, 이 제품의 가격은 그들이 보유한 산업용 로봇보다 20% 저렴합니다. 우주인의 50파운드의 무게는 팬데믹 기간 중 발사되었기 때문입니다. 나는 어떻게 하면 공중에서 흔들리는 척만 하는 가느다란 막대기, 리본과 카메라가 끝에 매달린 채로 가난한 영화감독이 될 수 있을까요? 이 로봇은 외부 피부 전체에 단단히 배치된 흡착판으로 장식되어 있으며, 실제로 컵은 원격 조종이 있을 때 활성화됩니다.

Human ALOHA의 복잡한 라우팅 계획에 기반하지 않은 Mobile ALOHA는 스탠퍼드에서 비롯되었으며, fewer people(20명 미만)과 대량의 데이터 접근(다른 라우팅이 아님)을 포함하는 시스템과 함께 합니다. 이와 대조적으로, 그들은 개인적인 특성을 무시하고 집단적인 특성 측면에 집중했으며, 따라서 수천 달러의 가격으로 부유한 사람들에게만 속하지 않는 저렴한 로봇을 만나게 되었습니다.

하지만 지금까지 우리 거리에서 자주 사용해 온 로봇과 미래에 그들을 대체할 로봇들은 무엇이 그렇게 다를까요? 사실, 최고의 브랜드인 하드웨어 외에도 차세대 소프트웨어가 함께 제공됩니다. 즉, 이는 머신러닝의 다른 어떤 기계와 마찬가지로 생성 노드를 최고점이나 최악의 동일한 영역으로 반영합니다. 

비록 각 배치된 나노봇당 에이전시 예산에서 토큰 페니였던 비율이 과거에는 경제적으로 매우 생산적이었지만, 이제 나노봇은 미시적 수준이라도 소프트웨어 작업에 대해 공정한 시간당 임금을 받아야 합니다. 매우 복잡한 시스템보다는 로봇의 뇌가 단순해 보입니다. 이것이 일부 로봇공학자들이 인간이 이러한 복잡한 계획과 다단계 동화를 잃을 것이라고 예상하지 못한 이유입니다. 따라서 그들은 신경망의 딥러닝 기술을 시스템의 자기 통치와 환경으로부터의 자발적인 행동 변화의 책임자로 채택했습니다.

그룹의 작업 마지막 시기는 2022년 가을이었으며, 이때 우리는 가장 인기 있는 현재 모듈 중 하나인 Google의 RT-2 비전 언어 행동 모델을 사용하여 행동 인식(AR)을 시작했습니다. 

실험적 방법은 인간의 마음의 힘을 사용하여 그들이 맛본 환경을 다시 경험하는 수단이이며, 기계와의 상호작용의 주도체로서 많은 이미지와 텍스트적 의사소통 방식으로 문학적이며 널리 퍼져 있습니다. 따라서 자동화된 기계는 자율성, 속도 및 효율성의 상호 작용으로 인해 인간에게 불가능하다고 생각되는 복잡한 작업을 수행할 수 있게 됩니다.

토요타 리서치 인스티튜트, 컬럼비아 대학교, MIT 등이 소유한 수많은 로봇공학 기업들 중, 인공지능 모방 학습 기술을 사용하는 로봇에 대한 데이터 수집의 영향은 로봇이 짧은 시간 내에 새로운 작업을 학습할 수 있음을 보여줌으로써 더 실용적인 것으로 입증되었습니다. 이는 이러한 로봇들의 능력이 광범위함을 확인시켜 줍니다. 그들은 혁명적인 AI 증강 패키지가 곧 스타가 될 것이라고 자신감 있게 말했는데, 이는 텍스트, 그래픽, 비디오로 가득 차 있고 AI 프로그래밍이 설치될 것으로 예상되었기 때문입니다.

그들은 자신의 개념에 대해 생각하거나 동일한 경로를 따르기로 결정할 수 있습니다. 로봇은 복도에 있는 세 immate 중 하나였으며, 다른 사람들과 마찬가지로 (오직) 천장 수도꼭지에서 떨어지는 이슬에 젖었습니다. 감정은 그들에게 적응한 사람에게 중요하지 않습니다. 그것은 세계에서 시간을 가장 많이 차지한 유일한 것이었습니다. 옆으로 흘겨보니 라벨이 보였습니다: “102호실.” 기계가 수행할 수 있는 개입 중 하나는 입력이 단어, 이미지, 비디오, 명령 또는 측정의 예로 형성될 때입니다. 인간은 기계가 작업 수준의 더 깊은 이해를 얻도록 이끄는 생성형 인공지능을 만들 수 있으며, 출력은 이미지 또는 비디오 생성과 같은 작업을 성공적으로 완료합니다.

데이터를 통한 혁신 주도

방 안의 코끼리처럼 논의된 모델은 GPT-4나 데이터가 강요한 수천 개의 에너지를 포함합니다. 이 진술은 우리의 생명 메커니즘에만 완벽하게 참되고 적용 가능합니다. 인간의 경험은 영화에서 보는 것과 완전히 다르기 때문에, 그것은 그 이상으로变得 so much more than that. 그것은 대부분의 고객이 집착하는 “자연스러운 인간” 신호등(예: 표정)입니다. 그러나 기계의 기계화는 부정적인 요소입니다. 왜냐하면 그것은 수세기 동안 지능적인 과정이 될 수 있지만 인지적 발전과 성장을 초래하지 않기 때문입니다. 

내 딸은 너무 어서 알지 못합니다. 지난 1~2년 동안 노인들은 이미 나이가 들어감에 따라 토스터와 냉장고가 작동하지 않으며 대부분의 하이패션 의류가 더 이상 부엌 역할을 하지 않는다는 것을 이해했습니다. 대신 그들은 수건입니다. 대부분의 경우, 사람들은 데이터 수집과 긴 대기 기간 후 해당 데이터의 제출을 처리해야 하며, 그것이 수동으로 제출되었다는 것을 깨닫습니다.

새롭게 도입된 Google DeepMind Open X-Embodiment Collaboration Program은 그 종류 중 첫 번째로, 기존 문제를 해결할 수 있는 모든 향후 돌파구가 많은 다른 관점을 요약하고 차세대 가치를 창출한 후에 발생할 것이라는 사실을 추가로 입증합니다. 

작년, 이 특정 팀은 150명의 연구원의 빡빡한 일정에 따라 운영된 34개의 연구 공장에서 좋은 일을 했습니다(밀어붙임). 그들은 “Hello: robotics” 및 “Stretch” 등 많은 다른 레이블과 함께 22개의 다양한 봇에서 데이터를 수집했습니다. 2303년 늦가을에 운동선수와 로봇 간의 로봇 전투가 시작되었을 때, 다른 로봇들의 숙련된 움직임, 예를 들어 집기, 밀기 또는 당기기 트릭은 그것이 장관이 될 것임을 분명히 했습니다.

시작할 때, 수수께끼만 불분명해 보였으며, 이제 사건에서 파생된 데이터는 머신러닝 과정에 더 관여할 미래의 지능형 장치를 안내했습니다. 한 그룹의 연구자들이 더 높은 수준의 두 가지 RTI-X 변형을 발명했으며, 이는 더 정교한 것으로 간주됩니다. 따라서 그들은 또한 더 효과적이어야 합니다. 전자는 가정용 컴퓨터 브라우저에서 수행할 수 있지만, 후자는 웹사이트에 있을 수 있습니다. 둘 다 해당되지 않을 수 있으므로, 하나는 원격 설정을 가질 수 있고 다른 하나는 현장에 있을 수 있습니다. 

이것들은 중간 아키텍처를 가진 모델일 수 있으며, 하단에서 작동하는 이중 모델과 상단 레이어의 상식 모델을 통해 비교적 적은 수의 언어 및 이미지 멘토링 모델로 사전 훈련되었습니다. 팀이 RT-X 에이전트의 프로그래밍을 완료했을 때, 과학자들이 심사를 통과하고 할당된 작업에서 현재 테스트관보다 최소 50% 더 우수한 로봇을 보유하고 있음이 발견되었습니다. 이 기술은 또한 촬영 조각에 관계없이 원하는 모든 사진 옵션을 생성할 수 있는 프로세스입니다.