물리적 AI가 우리가 생각했던 것보다 더 어려운 이유

물리적 AI는 빠르게 인상적인 데모에서 엔지니어링 현실로 이동하고 있다. 만약 주목이曾一度 주로その能力에 집중되었다면, 오늘날 확장성에 대한 질문이 점점 더緊迫적으로되고 있다: 이러한 시스템이真正로 普及하고 신뢰할 수 있게 되는 것을 막는 것은 무엇인가?

물리적 AI와 휴머노이드 로봇공학은 현재 세 가지 주요 도전 – 엔지니어링, 인지, 및 투자 관련 도전 – 의 교차로에 서 있다. 물리적 세계에서 작동하는 지능은 소프트웨어 기반 AI와 근본적으로 다른 요구사항을 부과한다: 여기서 오류는 비용이 많이 들고, 환경은 예측할 수 없다. đó가为什么 대화가 와우 효과에서 구체적인 기술, 시장, 및 규제 장벽으로 이동하고 있는 것이다.

생각해야 하는 기계

첫 번째 도전은 미세한 운동 능력이다. 우리는 매우 정밀한 미세 운동을 수행할 수 있는 모터와 서보를 가지고 있다. 그러나 인간의 감각성, 유연성, 및 즉시적으로 작은 물체를 다루는 능력을 복제하는 것은 매우 어렵다. 인간의 손은 무의식적으로 힘, 각도, 속도, 및 궤적을 조절한다 – 모두 몇 분의 일초 내에,甚至 가장 작은 변화에도不断으로 조정한다.

두 번째 도전은 균형 및 힘 제어이다. 로봇은 다양한 모양, 무게, 및 질감의 물체와 상호작용해야 한다: 사과, 유리, 보석, 금속 부품, 젖은 또는 미끄러운 물건. 로봇은 상당한 물리적 힘을 가지고 있을 수 있지만, 그것을 올바르게 계산하고 적용해야 한다. 이는 압력, 저항, 및 표면 접촉을 “感じ”하는 시스템을 허용하는 촉각 센서가 필요하다. 또한 힘을 감지하는 것만이 아니라, 특정 hành동의 contexto에서 그것을 올바르게 해석하는 것이 중요하다. 이것은 물체의 물리적 속성 – 물질 저항, 탄성, 마찰, 및 기타 매개변수 – 를 이해하는 문제가 된다.

또 다른 심각한 도전은 공간 방향 – 즉, 6D 표현이다. 이것은 과학 소설의 “6차원 세계”를 의미하지 않는다. sondern 3개의 위치 좌표, 높이, 너비, 및 깊이, 및 3개의 방향 좌표: 각 축 沿의 회전 각도. 예를 들어, 튜브 또는 유리는 3차원 물체이다. 그러나 로봇에게 그것의 좌표를 아는 것은 충분하지 않다. 그것은 물체의 방향, 중력에 대한 상대적 위치, 및 조작자가 회전할 때 그 위치가 어떻게 변경될지 이해해야 한다. 로봇이 유리를 집어들고 물을 부으려면, 그것은 단순히 “객체를 기울일” 수 없다. 그것은 정확한 궤적, 각도, 및 회전 속도를 계산해야 하며, 내부의 액체, 그 관성, 및 중력의 힘을 고려해야 한다. 모두 이것은 복잡한 공간 모델링 및 행동의 결과 예측이 필요하다.

시장이 여전히 주의적이다

휴머노이드 로봇공학의 contexto에서 물리적 AI를 고려할 때, 여전히 눈에 띄는 정도의 회의론을 인정하는 것이 중요하다.

이러한 회의론의 일부는 심리적이다. 불쾌한 谷 효과 – 어떤 것이 거의 인간과 같은데 충분히 현실적이지 않은 경우 – 불편함 및 불안을 생성한다. 비자연스러운 얼굴 표현, 조금僵硬 또는 “깨진” 운동, 기계적 발음 – 모두 이러한 기술이 느린 채택으로 이어진다.

그러나 주요 장벽은 경제적이다. 투자자들은 회사가 몇十 년 동안 인상적인 프로토タイプ를展示해 왔지만, 확장 가능한 상업적 모델은 여전히 제한적이라는 것을 본다. 기술적 진보는 명백하지만, 지속 가능한 대량 시장은 아직 완전히 등장하지 않았다.

Boston Dynamics와 같은 기업은 엔지니어링 마스터피스를 구축하지만, 그들의 응용 프로그램은 여전히 니치하고 비싸다. Tesla는 자신의 휴머노이드 프로젝트를 개발하고 있다. 새로운 기업들, 즉 Figure AI는 제조, 물류, 및 케어 산업을 위한 로봇을 약속하면서 중요한 투자를 आकर끌고 있다.

제조는 여전히 명확한 방향이다. 로봇화는, “만약”이 아니라 “얼마나 빠르고 비용 효율적인지”의 문제이다.

보다 명확한 예는 물류 및 창고이다. 물류 로봇은 이미 오늘날 로봇공학의 가장 수익성 있고 널리 채택된 부문 중 하나이다. 나는 Keymakr에서 많은 물류 회사들이 이러한 기술을 구현하면서 주목적을 위해 접근했으며, 이를 더욱 확대하기 위한 야심적인 계획을 가지고 있다는 것을 기억한다. 글로벌 전자 상거래가巨大한 물량의 물건을 높은 속도와 정밀도로 이동시키는 것을 요구한다. 인간은 이러한 속도로 작동할 수 없다. 따라서 창고 자동화는 “핫” 주제가되어, 전체 산업을 창조했다: 자율 플랫폼은 경로를 탐색하고, 분류하고, 운송하고, 화물을 배포한다.

그러나 산업의 대부분은 여전히 시험 단계에 있으며, 야심적인 약속을 하고 있다. 기업들은 예측 가능한 수익을 제공하는 설득력 있는 사용 사례를 찾고 있다. 투자자들은 투자 回収 시간, 기술적 위험, 및 엔지니어링 도전의 규모를 평가한다.

그것이 왜 시장은 점진적으로 발전하고 있는가. 이 분야의 자본은 비전만이 아니라 입증된 경제학을 필요로 한다.

위험이 구조의 일부가 된다

별도의 논의 층은 규제 및 사이버 보안에 관한 것이다. 물리적 AI에 대한 포괄적인 규제 프레임워크는 아직 완전히 형성되지 않았다. 산업은 여전히 형성 단계에 있다: 성숙한 표준, 일상 환경에서의 광범위한 존재, 및 확립된 인증 프로토콜이 없다. 규제는 필연적으로 나타날 것이다 – 그러나, 다른 기술적 사이클과 마찬가지로, 그것은 확장의 결과가 될 것이다.

현재보다 더 중요한 질문은 물리적 자율성을 얻는 시스템에 대한 신뢰이다. 집, 창고, 또는 중요 인프라 시설의 로봇은 센서, 카메라, 마이크로폰, 및 통신 채널을 갖춘 네트워크 노드이다. 그들의 행동은 소프트웨어 및 업데이트에 의해 결정된다. 그리고 로봇이 처음에 안전한 행동만을 수행하도록 프로그래밍되어 있다고 하더라도, 사이버 위협의 가능성이 여전히 남아 있다. 불충분한 보호로 인해 악의적인 행위자가理论적으로 장치 네트워크에 접근하고, 그것들을 유해한 목적을 위해 사용하려고 시도할 수 있다.

자율 주행 자동차 또는 로봇 네트워크의 해킹 시나리오는 이미 카드에 있다. 그것은 위험 평가의 일부로 처리된다 – 과거에 은행 시스템, 인터넷, 및 클라우드 서비스에서 발생한 것과 마찬가지로.

그러나 역사에 따르면 기술적 진보는 위협으로 인해 거의 멈추지 않는다. 대신, 산업은 표준을 확립하고, 모니터링을 구현하고, 다층 보안 시스템을 구축함으로써 보호를 강화한다. 물리적 AI도 동일한 경로를 따를 것이다. 질문은 위험이 나타나는 것이 아니라, 보안이 전체 생태계에 얼마나 빠르게 내장되는가이다.

산업이 이를 중심으로 형성되고 있다

위에서 언급한 모든 도전 – 기술적, 시장, 및 규제 관련 도전 – 는 하나의 중요한 특성을 공유한다: 그 어느 것도 분리하여 해결될 수 없다.

물리적 AI는 독립적인 제품이나 단일 기술로 볼 수 없다. 우리는 하드웨어, 컴퓨팅, 에너지, 데이터, 및 재료가 동기화하여 진화하는 전체 인프라의 형성을 목격하고 있다. 그리고 정확히 여기서 그것이 명백해진다: 이것은 새로운 산업 생태계의 출현이다.

로봇은 자율적이고 이동 가능하다. 이것은 클라우드만을 의존할 수 없다. 서버 클러스터에서 실행되는 LLMs와 달리, 물리적 지능은 현지에서, 실시간으로 결정해야 한다. 이것은 근본적으로 칩 요구사항을 변경한다: 그것들은 강력하고, 에너지 효율적이며, 에지 장치에서 추론을 위해 최적화되어야 한다.

이것은 새로운 개발 영역의 광범위한 스펙트럼을 생성한다: 로봇공학을 위한 에너지 효율적인 칩; 에지 배포를 위한 컴팩트하고 최적화된 AI 모델; 이러한 모델을 교육하기 위한 플랫폼; 데이터 주석 시스템 및 Keymakr에서 하는 것과 같은 전문 데이터셋의 준비; 및 배터리 및 자율 전원 시스템의 발전.

로봇이 자신의 배터리를 교체하는 개념이 이미 논의되고 있다: 소모된 모듈을 제거하고, 충전기에 배치하고, 시스템을 완전히 종료하지 않고 충전된 모듈을 연결한다. 이것만으로도 별도의 시장으로 될 수 있다.

물리적 AI를 중심으로 종합적인 산업이 점차 형성되고 있다. 컴퓨팅 및 에너지 외에도, 재료 과학은 진화해야 한다: 인공 피부를模倣하는 합성 코팅, 유연한 센서 표면, 인간 상호작용을 위한 안전하고 촉각적으로 즐거운 재료. 로봇이 사람들과 함께 작동한다면, 그들의 외모 및 물리적 특성은 사용자 인식 및 기술에 대한 신뢰의 일부가 된다.

이 의미에서 물리적 AI는 칩, 배터리, 센서, 소프트웨어, 재료, 및 인간 인식 요소와 같은 전체 기술 스택에 관한 것이다. 실제로, 이것은 未来 산업의 真正한 규모가 있는 곳이다.