XNews

ロボティクス、具現化とシミュレーションから現実への課題

ロボティクス研究は、シミュレーションから現実への移行、世界モデル、具現化データのスケーリングを強調しています。

Key insights

シェーン・レッグが2028年までに最小限のAGIの50%の確率を示唆

シェーン・レッグは、最小限のAGI(典型的な人間の認知タスクを完了できる)の到達確率が2028年までに50%であると述べました。彼は、言語は人間を超える一方で、継続的学習、視覚的推論、具現化タスクが遅れている不均一な能力の発展を指摘し、AGIを評価するために対抗テストとベンチマーク、さらに人間のレッドチーム評価を推奨しました。

GoogleのロボティクスチームがVLA、動作移転、スケーラブルなロボットデータの必要性を強調

Google DeepMind/ロボティクスのリーダーたちは、テキストによる「思考」ステップ、ロボットボディ間でスキルを共有するための動作移転、スケールのためのシミュレーションおよびビデオデータへの重依存を追加したジェミニロボティクス1.5とVLA(ビジョン・ランゲージ・アクション)フレームワークを説明しました。彼らは、ロボットデータが高価であり、スケールのためにはシミュレーション/ビデオの拡張と生成データセットが必要であると強調しました。

具現化と触覚が巧妙な操作にとって重要

ロボティクスチームは、歩行と移動はシミュレーションにおける強化学習によってほぼ解決されている一方で、巧妙な手による微細操作には触覚フィードバックが必要であると報告しました。視覚は多くのグリッパータスクに対して十分ですが、正確な工具使用やはさみのような操作には触覚モダリティが不可欠になります。

タイムライン予測:短期的なブレークスルーと長期的な家庭採用

Googleの研究者は、2〜3年以内に「GPTのような」ロボティクスのブレークスルーが見られる可能性があり、物流や製造などの分野では5年以内に一般化可能なロボットが登場し、家庭用ロボットアシスタントが広く普及するまでには10年以上かかると示唆しました。デモは依然として脆弱であり、成功率は生産の閾値からはほど遠いです。

データと計算の経済性がロボティクス研究の選択を促進

研究者たちは、実際のロボットデータ(リモートテレオペレーション、メンテナンス)のコストがシミュレーションデータ、YouTubeビデオ、生成されたビデオをスケールのために重要にしていると指摘しました。動作移転と世界モデルは、限られた物理データをプラットフォーム間で償却するために使用されています。

Source posts