- Claude segített egy Unitree Go2 programozásában és működtetésében, automatizálva a Project Fetch munkájának nagy részét.
- A mesterséges intelligencia által vezérelt csapat bizonyos feladatokat, például a járást és a labda megtalálását, gyorsabban oldott meg, mint a segítség nélküli csoport.
- Az interakcióelemzés kevesebb zavart mutatott ki Claude-dal, a könnyebb csatlakozásnak és a használhatóbb felületnek köszönhetően.
- Az előrelépés rávilágít mind a lehetőségekre, mind a kockázatokra: a protokollokat és a fizikai biztosítékokat meg kell erősíteni, amikor az LLM-et a való világba vezetik be.
Az új teszt Antropikus Egy olyan problémára összpontosít, ami már nem sci-fi: Mi történik, ha egy nyelvi modell koordinál egy robotot?. -Ban Projekt lehívásaA Claude rendszerük segített egy robotkutyát működtetni, azzal a céllal, hogy teszteljék, milyen messzire tud eljutni a robot. Fizikai mesterséges intelligencia szövegről mozgásra való áttérés.
A címen túl a kísérlet egyértelmű támpontokat ad a képességekről és a korlátokról: Claude automatizálta a szükséges programozás nagy részét hogy a négylábú fizikai cselekvéseket tudjon végrehajtani, és Katalizátorként szolgált arra, hogy egy csapat gyorsabban haladjon bizonyos feladatokban..
A mesterséges intelligencia és a fizikai világ: a laboratóriumtól a cselekvésig
Az Anthropicot, amelyet korábbi OpenAI-kutatók alapítottak, régóta tanulmányozza a fejlett modellek kockázatait és gyakorlati alkalmazásait. Ezúttal a hipotézis egyértelmű volt: ha egy LLM egyre inkább elsajátítja a kódolást és az interakciót szoftver, elkezdhet befolyásolni a valódi tárgyakatA belső biztonsági csapat (vörös csapat) ellenőrzött környezetben szerette volna megfigyelni ezt az átmenetet.
A kutatók rámutatnak, hogy a jelenlegi modellek még nem irányítanak teljes mértékben egy komplex robotot, de Arra számítanak, hogy a jövőbeli verzióknak nagyobb mozgástere lesz.Ezért hasznos elemezni, hogy az emberek hogyan támaszkodnak a mesterséges intelligenciára a fizikai viselkedés programozásában és irányításában, különösen a következőkben: humanoid robotokmielőtt elérkezik az a pillanat.
Hogyan tervezték a Project Fetch-et?
A kihívásban két, előzetes robotikai tapasztalattal nem rendelkező csapat mérte össze erejét: az egyiket Claude segítette, a másikat pedig mesterséges intelligencia segítsége nélkül programoztak. Mindkét csapatnak egy Unitree Go2 robotkutyát kellett irányítania távirányítóval, és kódot kellett írnia, olyan vezérlőkkel és platformokkal együttműködve, mint a Arduino Uno QAhhoz, hogy egyre nehezebb feladatok elvégzése, a pont felé haladástól egy tárgy megtalálásáig.
A Claude-dal rendelkező csoport gyorsabban tudott elérni néhány célt, beleértve a négylábúak meghódítását is. Sétálnék és keresnék egy strandlabdátEz valami olyasmi volt, amit a csak emberekből álló csapat nem tudott elérni a tesztkörülmények között. A kulcs nem a varázslat volt; a modell generálta és finomította a kódot, felgyorsítva a kapcsolatot a robottal és csökkentve a súrlódást.
Az Anthropic rögzítette és elemezte a munka dinamikáját. A szövegekben a mesterséges intelligencia nélküli csapat több frusztrációt és kétséget fejezett ki, míg Claude segítsége... Úgy tűnt, hogy ez egy érthetőbb vezérlőfelületet tesz lehetővé. és zökkenőmentesebb indulást. Ennek ellenére nem minden cél teljesült, és az önállóság korlátozott volt.
A kiválasztott robotkutya: az Unitree Go2 és célja
A kiértékeléshez a kínai Hangcsouban, az Unitree által gyártott Go2 modellt választották. Az ára körülbelül USA dollár 16.900, ami viszonylag szűk adat az ágazat más berendezéseihez képest, és amelyet távellenőrzési feladatokhoz, biztonsági járőrözéshez vagy az építőiparban és a gyártásban használnak.
Ez a négylábú képes önállóan mozogni, de a gyakorlatban a következőktől függ: magas szintű utasítások vagy egy személy irányítása alattEgy friss piacelemzés szerint az Unitree rendszerek a legelterjedtebbek közé tartoznak, így vonzó teszttereppé válnak annak megállapítására, hogy a mesterséges intelligencia által támogatott programozás mennyire képes feszegetni a határokat.
Mit mutatnak az eredmények az LLM-ekről?
A nagy nyelvi modellek már nem csak szövegeket írnak: az utóbbi években specializálódtak kód generálása és kezelése szoftverA Project Fetchben ez a képesség kevesebb ismétlődő programozási feladatra fordított időt, valamint egy lépésről lépésre szóló útmutatót jelentett a hibák iterációjához és a robot viselkedésének adaptálásához.
A bölcs értelmezés az, hogy bár nem teljes kontrollról beszélünk, A mesterséges intelligencia csökkenti a belépési korlátokat a nem szakértő csapatok számára Lehetővé teszik egy fizikai platform számára, hogy hasznos műveleteket hajtson végre. Ez egy minőségi változás: a puszta szöveggenerátorokból az LLM-ek rendszervezéreltként kezdenek működni.
Kockázatok és óvintézkedések: hogyan kerüljük el az ijesztő helyzeteket
A gépekre való reagálás mesterséges intelligenciával történő felruházása nyilvánvaló kockázatokkal jár: kódhibák, hibás adatok vagy szándékos visszaélés Ezeknek a hibáknak fizikai következményei lehetnek. Az ipari robotika már régen megtanulta, hogyan lehet ezeket a hibákat független védelemmel mérsékelni. szoftver.
Ebben az összefüggésben a szakértők több réteg kombinálását javasolják: működési határok, a generált kód auditálása, és mindenekelőtt mechanikus vészkapcsolók és protokollok amelyek nem függnek a modelltől. Az antropikus tanulmány pontosan ebbe a preventív logikába illeszkedik.
Új alkalmazások és a szükséges óvintézkedések
Megfelelő biztosítékok mellett ugyanez a megközelítés alkalmazható a logisztikára, a karbantartásra, az ellenőrzésre vagy a... segítségnyújtás olyan környezetben, ahol az emberi jelenlét összetettAz ötlet nem a technikusok lecserélése, hanem olyan eszközök biztosítása, amelyek felgyorsítják a konfigurációkat és adaptívabb válaszokat tesznek lehetővé.
Ahhoz, hogy ezek az előnyök megvalósuljanak, meg kell állapodni a biztonságos gyakorlatokban, a világos dokumentációban és a felelős telepítési kritériumokEllenkező esetben a technikai fejlesztések ütközhetnek a közbizalommal vagy a tökéletesen elkerülhető működési kockázatokkal.
A Project Fetch tapasztalata fordulópontot sugall: Claude bebizonyította, hogy egy LLM lerövidítheti a kód és a cselekvés közötti távolságot.A valós feladatok egyszerűsítése egy négylábú robotban, miközben emlékeztet minket arra, hogy a fizikai világba való ugráshoz ellenőrzésekre, szigorú tesztelésre és a hozzájuk tartozó biztonsági kultúrára van szükség.
Technológia-rajongó vagyok, aki "geek" érdeklődését szakmává változtatta. Életemből több mint 10 évet töltöttem a legmodernebb technológiával, és pusztán kíváncsiságból mindenféle programmal bütykölgettem. Most a számítástechnikára és a videojátékokra szakosodtam. Ennek az az oka, hogy több mint 5 éve írok különféle technológiával és videojátékokkal foglalkozó weboldalakra, olyan cikkeket készítve, amelyek mindenki számára érthető nyelven igyekeznek megadni a szükséges információkat.
Ha bármilyen kérdése van, tudásom a Windows operációs rendszerrel, valamint a mobiltelefonokhoz készült Androiddal kapcsolatos mindenre kiterjed. És az én elkötelezettségem az Ön iránti elkötelezettségem, mindig készen állok néhány percet rászánni arra, hogy segítsek megoldani minden kérdését ebben az internetes világban.