클로드와 로봇 개: 인류학 실험이 보여준 것

새로운 테스트 인류 이는 더 이상 공상과학이 아닌 문제에 초점을 맞춥니다. 언어 모델이 로봇을 조정하면 무슨 일이 일어날까요?. 에 프로젝트 페치클로드 시스템은 로봇견을 조종하는 데 도움이 되었으며, 로봇이 얼마나 멀리 갈 수 있는지 테스트하는 것을 목표로 했습니다. 물리적 AI 텍스트에서 움직임으로 옮겨가다.

제목 외에도 이 실험은 역량과 한계에 대한 명확한 단서를 제공합니다. Claude는 필요한 프로그래밍의 대부분을 자동화했습니다. 그래서 네 발로 걷는 사람이 신체 활동을 할 수 있었고, 이는 특정 작업에서 사람들의 팀이 더 빠르게 발전할 수 있는 촉매 역할을 했습니다..

AI와 물리적 세계: 실험실에서 실제 행동까지

전 OpenAI 연구원들이 설립한 Anthropic은 오랫동안 고급 모델의 위험성과 실제 적용 사례를 연구해 왔습니다. 이번 가설은 간단했습니다. LLM이 코딩과 상호 작용을 점점 더 숙달한다면 소프트웨어, 실제 객체에 영향을 미치기 시작할 수 있습니다내부 보안팀(레드팀)은 통제된 환경에서 이러한 전환을 관찰하고 싶어했습니다.

연구자들은 현재 모델이 아직 복잡한 로봇을 완전히 제어하지 못한다고 지적하지만 그들은 향후 버전에서는 더 많은 기동성을 가질 것으로 예상합니다.따라서 인간이 특히 신체적 행동을 프로그래밍하고 조율하기 위해 AI에 어떻게 의존하는지 분석하는 것이 유용합니다. 휴머노이드 로봇그 순간이 오기 전에.

Project Fetch가 설계된 방식

이 대회는 로봇 공학 경험이 전무한 두 팀이 맞붙었습니다. 한 팀은 클로드의 도움을 받았고, 다른 한 팀은 AI의 도움 없이 프로그래밍을 했습니다. 두 팀 모두 리모컨을 사용하여 유니트리 고2 로봇 강아지를 조종하고, 컨트롤러와 다음과 같은 플랫폼을 사용하여 코드를 작성해야 했습니다. 아두이노 우노 Q에 점점 더 어려워지는 작업을 수행하다, 어떤 지점을 향해 걷는 것부터 어떤 물체를 찾는 것까지.

클로드가 있는 그룹은 4족 보행을 포함하여 일부 목표를 더 빨리 달성할 수 있었습니다. 나는 걸어가서 해변공을 찾았다이는 인간만으로 구성된 팀이 테스트 환경에서 달성할 수 없는 성과였습니다. 핵심은 마법이 아니었습니다. 모델이 코드를 생성하고 개선하여 로봇과의 연결 속도를 높이고 마찰을 줄였습니다.

Anthropic은 작업 역학을 기록하고 분석했습니다. 녹취록에서 AI가 없는 팀은 더 큰 좌절감과 의구심을 표했지만, Claude의 지원은 이를 통해 제어 인터페이스를 더 이해하기 쉽게 만들 수 있을 것으로 보입니다. 그리고 더 순조로운 시작을 위해. 그럼에도 불구하고 모든 목표가 달성된 것은 아니었고 자율성은 제한적이었습니다.

선택된 로봇견: 유니트리 고2와 그 목적

중국 항저우에 있는 유니트리(Unitree)에서 제조한 Go2 모델이 평가 대상으로 선정되었습니다. 가격은 약 달러 16.900, 이 장비는 해당 분야의 다른 장비와 비교했을 때 비교적 적은 규모이며, 원격 검사 업무, 보안 순찰 또는 건설 및 제조 현장 투어에 사용됩니다.

이 사족 동물은 독립적으로 움직일 수 있지만 실제로는 높은 수준의 명령이나 사람의 통제최근 시장 분석에 따르면, 유니트리 시스템은 가장 널리 보급된 시스템 중 하나로, AI 지원 프로그래밍이 한계를 어디까지 넓힐 수 있는지 확인할 수 있는 매력적인 테스트 장이 되었습니다.

결과는 LLM에 대해 무엇을 보여줍니까?

위대한 언어 모델은 더 이상 단순히 텍스트를 쓰는 것이 아닙니다. 최근 몇 년 동안 그들은 다음을 전문으로 다루었습니다. 코드 생성 및 관리 소프트웨어Project Fetch에서는 이러한 기능 덕분에 반복적인 프로그래밍 작업에 소요되는 시간을 줄이고, 오류를 반복하고 로봇 동작을 조정하는 단계별 가이드를 제공할 수 있었습니다.

신중한 해석은 우리가 완전한 통제에 대해 이야기하고 있지는 않지만, AI는 비전문가 팀의 진입 장벽을 낮춥니다. LLM은 물리적 플랫폼이 유용한 작업을 수행할 수 있도록 합니다. 이는 질적인 변화입니다. 단순한 텍스트 생성기에서 시스템 오케스트레이터로 기능하기 시작한 것입니다.

위험과 안전장치: 두려움을 피하는 방법

AI가 기계에 대해 행동할 수 있는 능력을 부여하면 다음과 같은 명백한 위험이 발생합니다. 코드 오류, 잘못된 데이터 또는 고의적인 오용 이러한 고장은 물리적 결과를 초래할 수 있습니다. 산업용 로봇은 오래전부터 독립적인 보호 장치를 통해 이러한 고장을 완화하는 방법을 터득했습니다. 소프트웨어.

이러한 맥락에서 전문가들은 운영 경계, 생성된 코드 감사, 그리고 무엇보다도 여러 계층을 결합할 것을 제안합니다. 기계식 비상 스위치 및 프로토콜 모델에 의존하지 않는 것입니다. 인류학적 연구는 바로 그러한 예방 논리에 기반을 두고 있습니다.

새로운 응용 프로그램 및 필요한 예방 조치

적절한 보호 장치가 있으면 동일한 접근 방식을 물류, 유지 관리, 검사 또는 인간의 존재가 복잡한 환경에서의 지원기술자를 대체하는 것이 아니라 구성을 가속화하고 보다 적응적인 대응이 가능한 도구를 제공하는 것이 목표입니다.

이러한 혜택을 실현하려면 안전한 관행, 명확한 문서화에 대한 합의가 필요합니다. 책임 있는 배치 기준그렇지 않으면, 기술의 발전이 대중의 신뢰와 충돌하거나, 완벽하게 피할 수 있는 운영상의 위험에 부딪힐 수 있습니다.

Project Fetch 경험은 전환점을 시사합니다. Claude는 LLM이 코드와 작업 간의 거리를 단축할 수 있음을 보여주었습니다.4족 보행 로봇의 실제 작업을 간소화하는 동시에, 물리적 세계로의 도약에는 제어, 엄격한 테스트, 그리고 이에 걸맞은 안전 문화가 필요하다는 점을 일깨워줍니다.