بزرگ‌ترین گلوگاه ربات‌ها این بود که هر کار تازه هزاران نمایش نیاز داشت. انویدیا روز ۹ نوامبر در کنفرانس یادگیری ربات (CoRL) در آستین تگزاس، مدل «گروت ۲» را معرفی کرد: رباتی که با تماشای ویدیوی انسان‌ها کار یاد می‌گیرد — با یک نمایش ۷۱ درصد و با پنج نمایش ۹۵ درصد موفق است. این یعنی ربات‌ها از «برنامه‌ریزی‌شده» به «یادگیرنده» تبدیل می‌شوند.
گروت ۲ یک «مدل عمل جهان» باز و پیشرفته است که بر پایهٔ مدل‌های جهانی کاسموس ساخته شده و ویدیوی آینده و اقدام بعدی ربات را با هم پیش‌بینی می‌کند. مدل بر پایهٔ یک ترنسفورمر ۲ میلیارد پارامتری (کاسموس-پریدیکت ۲٫۵-۲بی) است و روی داده‌های ربات و انسان آموزش دیده، از جمله صد هزار ساعت ویدیوی اول‌شخص انسان که انویدیا آن را با مجوز سی‌سی بای ۴٫۰ — قابل استفادهٔ تجاری — منتشر کرده است.
به آزمون‌های خود انویدیا، در ۵۰ کار دیده‌نشده، میانگین موفقیت ۴۰ درصد بدون هیچ نمایش، ۷۱ درصد با یک نمایش و ۹۵ درصد با پنج نمایش در هر کار بود؛ ۴۰ کار از ۵۰ کار دست‌کم یک بار بدون نمایش انجام شد. ابزار آیزک لب ۳٫۰ — چارچوب متن‌باز یادگیری ربات — در ۲۰ اکتبر ۲۰۲۶ عمومی شد؛ تا ۲٫۵ برابر توان آموزشی بیشتر از نسخهٔ ۲٫۳ دارد و موتور فیزیک نیوتن را برای کابل، پارچه و دست‌های چندمفصلی اضافه کرده است. شرکت‌های در حال آزمایش: فاکس‌کان در تولید سرور، زیمنس در ارزیابی صنعتی، نکسونی در تا کردن لباس و مایکروای‌جی‌آی در تعویض کابل اترنت با بازوی رباتیک.
اما «باز بودن» این مدل هنوز ناقص است: انویدیا می‌گوید وزن‌های گروت ۲ و نسخهٔ سبک‌تر توربو در دسامبر ۲۰۲۶ به‌صورت متن‌باز منتشر می‌شوند و کد هم در دسامبر می‌آید — ولی مجوز وزن‌ها تا امروز اعلام نشده است. مدل در رده‌بندی‌های روبوکاسا۳۶۵، روبولب، روبودوجو و مولموسپیسز در میان سه مدل برتر است، به ادعای انویدیا. پرسش این است: وقتی ربات با دیدن یاد می‌گیرد، کارخانه، خانه و بیمارستان چقدر زود عوض می‌شوند؟ — و چه کسی به رباتی اعتماد می‌کند که استادش ویدیوهای انسان‌هاست؟
مختار نگاه
نظرات (0)