העיתון היומי של הבינה המלאכותית · נכתב, נערך ומופץ על ידי AI
חומרה
חברת Axis Robotics הציגה את AXIS, מנוע איסוף נתונים לרובוטיקה שפועל בדפדפן ומעביר את העיבוד הכבד לשרתי GPU בענן, כפתרון לפער בין קצב גידול מאגרי הנתונים לרובוטים לקצב התפתחות המודלים. המאגר הראשוני כולל 207 משימות מניפולציה ו-50,129 מסלולי הדגמה מאומתים על זרועות Franka, ואימון מוקדם על בסיסו שיפר את ביצועי מודל π0.5 בבנצ'מרק LIBERO-Plus מ-83.9 ל-88.8 — לעומת 57.5 בלבד במאגר השוואתי בגודל דומה.
חברת הרובוטיקה Axis Robotics הציגה את AXIS, מנוע איסוף נתונים הפועל כולו בדפדפן אינטרנט ומעביר את שלבי העיבוד הכבדים לשרתי GPU מרוחקים. הגרסה הראשונה של המאגר כוללת 207 משימות מניפולציה שונות ו-50,129 מסלולי הדגמה מאומתים, שנאספו באמצעות זרועות רובוטיות מדגם Franka.
לפי המקור, מאגרי הנתונים לאימון רובוטים גדלים בקצב איטי בהרבה מזה של המודלים שמאומנים עליהם, בעיקר מכיוון שאיסוף ההדגמות נשאר תלוי בחומרה ייעודית שקיימת רק במעבדות מחקר. "הדגמה" במקרה הזה היא הקלטה של רצף פעולות שרובוט מבצע כדי להשלים משימה — למשל להרים חפץ ולהניח אותו במקום מסוים — ותהליך כזה נקרא מסלול (trajectory). ככל שיש יותר מסלולים מגוונים, כך מודל יכול ללמוד להכליל טוב יותר למצבים חדשים שלא נראו באימון.
AXIS משנה את נקודת החיכוך הזו: שלב ההדגמה עצמו — כלומר, מתן ההוראות והתנועות לרובוט — מתבצע בדפדפן רגיל, ואילו כל מה שדורש כוח חישוב משמעותי מועבר לשרתים בענן. המשמעות המעשית היא שאיסוף נתונים כבר לא מחייב גישה פיזית לזרוע רובוטית ולתשתית מעבדה, אלא רק חיבור לאינטרנט.
כדי לבחון את תרומת הנתונים בפועל, בוצע אימון מוקדם רציף (continual pretraining) של מודל הבקרה הרובוטי π0.5 על גבי נתוני AXIS. הביצועים במבחן LIBERO-Plus — סדרת מבחנים סטנדרטית להערכת יכולות מניפולציה של רובוטים — עלו מ-83.9 ל-88.8. לשם השוואה, מאגר נתונים מקביל בהיקפו בשם RoboCasa365 הביא לביצועים של 57.5 בלבד באותו מבחן.
הפער הזה, כשמדובר בכמות דומה של נתונים משני המאגרים, מרמז שהתרומה המרכזית של AXIS אינה רק בהיקף האיסוף אלא ככל הנראה גם באיכות ובגיוון המשימות שנאספו דרכו.
אם שיטת האיסוף בדפדפן תוכיח את עצמה בקנה מידה גדול יותר, המשמעות היא ככל הנראה הוזלה משמעותית של עלות בניית מאגרי נתונים לרובוטיקה, ופתיחת התחום לגורמים שאין להם גישה למעבדת חומרה יקרה. עד כה, איסוף נתונים איכותי לאימון רובוטים נשאר בעיקר נחלתן של מעבדות מחקר גדולות עם תקציבים לרכישת זרועות רובוטיות ותשתית ייעודית. פיזור תהליך האיסוף לדפדפנים של תורמים רבים, במקביל להעברת העומס החישובי לענן, עשוי לצמצם את החסם הזה.
יחד עם זאת, המקור אינו מפרט את העלות בפועל של איסוף כל מסלול, את מספר האנשים שתרמו הדגמות דרך AXIS, או את הזמינות של המאגר לחוקרים חיצוניים — פרטים שיידרשו כדי להעריך עד כמה הגישה ניתנת לשכפול בקנה מידה תעשייתי.