Dream Labs udostępnił publicznie Dream API. Interfejs przyjmuje obraz z kamery robota, jego aktualny stan i polecenie w zwykłym języku, a zwraca komendy dla silników. Model Dream-1 ma sterować ramionami z chwytakami bez żadnych danych uczących — także na sprzęcie, którego nigdy nie widział. Firma zebrała przy okazji 90 mln dolarów (ok. 330 mln zł) w rundzie seed.
Najważniejsze w skrócie
- Dream-1 trenowano na wideo ludzi wykonujących codzienne czynności, nie na jednej maszynie
- Obsługiwane roboty kosztują dziś od około 2 tys. do 10 tys. dolarów
- Ponad 20 partnerów sprzętowych, dla których model jest dodatkowo dostrajany
- Fine-tuning jako usługa: mała paczka demonstracji, gotowy model w ciągu godzin
- Zakres zadań na dziś to prace przy stole — podnoszenie, odkładanie, składanie prania
Wideo zamiast demonstracji na jednej maszynie
Na świecie pracuje rekordowe 5 mln robotów przemysłowych. Prawie każdy jest zaprogramowany pod jedno zadanie i nie potrafi przenieść nauczonej umiejętności na inną maszynę. Nauczenie jednego robota jednego zadania zajmuje specjalistom miesiące, a nowy sprzęt zwykle oznacza start od zera.
Dream-1 uczy się z nagrań ludzi, a nie z demonstracji na konkretnym egzemplarzu. Dlatego — jak twierdzi firma — jego umiejętności przenoszą się między producentami. Model przewiduje, co stanie się dalej, i wyznacza na tej podstawie ruch robota.
Wsiadając do wypożyczonego auta nie uczysz się jeździć od nowa. Znajdujesz elementy sterowania, a resztę robi twoje dotychczasowe doświadczenie.
Joel Jang, współzałożyciel i CEO Dream Labs.
Czego Dream-1 jeszcze nie robi
Zero-shot działa dziś na dwuramiennych robotach z chwytakami równoległymi. Dla ponad 20 partnerów sprzętowych firma dostraja model osobno. Modele chodzą w centrach danych na kilku kontynentach, żeby ściąć opóźnienia. Kto nie ma robota, może przez przeglądarkę wydać polecenie prawdziwej maszynie w biurze firmy w San Francisco.
Dlaczego to ważne?
Ciężar przesuwa się ze sprzętu na dostęp do modelu. Jeśli ramię kosztuje tyle co laptop, a inteligencja przychodzi przez klucz API, barierą przestaje być budżet na mechanikę, a staje się jakość polityki sterowania. Otwarty playground jest tu istotniejszy niż runda — pozwala sprawdzić model na żywo, razem z jego pomyłkami, zamiast oglądać montowane demo. Zakres zadań jest na razie wąski, więc deklaracja o przenoszeniu umiejętności czeka na weryfikację poza stołem.
Co dalej?
- Zapowiedziane wsparcie dla robotów mobilnych na kołach i zręcznych dłoni, bez podanej daty
- Finansowanie ma pójść głównie na moc obliczeniową, by rozszerzyć zakres zadań i obsługiwanego sprzętu
Źródła
- The Robot Report — Dream Labs raises $90M and launches Dream API
- Dream Labs — Dream-1
