Humanoid показала обучение роботов на реальных производственных задачах

Вот последние новости с рынков цифровых активов: Лондонская компания Humanoid представила KinetIQ Ascend — подход к обучению гуманоидных роботов методом проб и ошибок на реальных производственных задачах. По словам разработчика, технология приблизит его платформы к 99,9% успешных манипуляций на человеческой или более высокой скорости. KinetIQ Ascend расширяет фреймворк KinetIQ, который лежит в основе роботов Humanoid.

Новый подход использует обучение с подкреплением (reinforcement learning, RL). При таком методе система не только копирует действия человека, но и сама повторяет задачу, получает сигнал об успехе или ошибке и постепенно улучшает поведение. В Humanoid заявили, что запускают RL не только в симуляции, а прямо на реальном оборудовании и в производственных сценариях в круглосуточном режиме.

Динамика рынка

По версии компании, это первая опубликованная демонстрация сквозного RL на основе зрения для производственных VLA-моделей, обученных на реальной двурукой гуманоидной платформе в условиях развертывания. Почему Humanoid делает ставку на RL До этого Humanoid, как и многие другие разработчики роботов, обучала системы через имитацию человеческих демонстраций. «Модель, копирующая демонстрации, не может превысить скорость или качество демонстратора и не учится цене ошибки», — говорится в материале Humanoid.

По мнению компании, последние проценты надежности и переход к скорости выше человеческой требуют другого подхода, и KinetIQ Ascend должен закрыть этот разрыв за счет практики на реальных задачах. Humanoid сравнивает этот процесс с масштабированием больших языковых моделей: чем дольше идет обучение, тем выше успешность. Humanoid протестировала KinetIQ Ascend на трех производственных задачах: Робот должен был брать стальные подшипниковые кольца из контейнера и размещать их на конвейере.

По данным компании, после RL-обучения пропускная способность выросла на 42%, до 412 колец в час против 291 у базовой модели. Робот брал предмет из контейнера и передавал его человеку. Humanoid заявила, что пропускная способность выросла на 85%, средняя длительность эпизода снизилась на 35%, а успешность поднялась с 80% до 98%.

Влияние на рынки

Робот должен был двумя руками поднять контейнер со стола в произвольной ориентации. По данным Humanoid, после нескольких дней обучения пропускная способность выросла с 122 до 279 контейнеров в час, средняя длительность эпизода сократилась с 22,9 до 12,8 секунды, а успешность поднялась с 77,6% до 98,9%. Компания также выделила два дополнительных вывода: если улучшить самый сложный этап операции, это может повысить результат всей задачи; навык переносится на объекты, которых робот не видел во время RL-обучения.

В Humanoid утверждают, что замеряли прирост не против старой базы, а через параллельное A/B-сравнение с текущей базовой моделью. Это важно для реальных производственных сред, где результат может меняться из-за освещения, положения объектов, износа оборудования и других факторов. Humanoid строит промышленную цепочку в Европе По данным The Robot Report, в компании работает более 250 инженеров, исследователей и специалистов.

Офисы расположены в Лондоне, Бостоне и Ванкувере. В мае Humanoid объявила о партнерстве с Bosch — фирма станет контрактным производственным партнером для выпуска HMND 01 на европейском рынке. Соглашение последовало за предварительными тестами в марте.

Криптовалютные рынки внимательно следят за этим событием, а инвесторы оценивают его возможное влияние на цены.