หุ่นยนต์และ AI ทางกายภาพ

การพัฒนา Embodied AI: วิธีการที่ Meta นำสัมผัสและความคล่องตัวแบบมนุษย์มาสู่ AI

Dr. Tehseen Zia
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญโมเดล Sparsh ของ Meta ใช้การเรียนรู้แบบกึ่งดูแลตนเองกับภาพสัมผัส 460,000 ภาพ…
ดูเพิ่มเติม
  • โมเดล Sparsh ของ Meta ใช้การเรียนรู้แบบกึ่งดูแลตนเองกับภาพสัมผัส 460,000 ภาพ เพื่อตีความการสัมผัสโดยไม่ต้องใช้ข้อมูลที่ติดป้ายกำกับ
  • ปลายนิ้ว Digit 360 ของ Meta ตรวจจับแรงและความร้อนระดับจุลภาค เพื่อมอบระบบประสาทรอบนอกคล้ายมนุษย์ให้กับ AI
  • แพลตฟอร์ม Digit Plexus ของ Meta ที่เป็นโอเพนซอร์ส ผสานรวมเซ็นเซอร์และโมเดลการรับรู้ สำหรับการตอบสนองต่อการสัมผัสแบบเรียลไทม์ที่ประสานกัน

AI ได้พัฒนาไปมากในด้านการรับรู้ภาพและประมวลผลภาษา อย่างไรก็ตาม ความสามารถเหล่านี้ไม่เพียงพอสำหรับการสร้างระบบที่สามารถโต้ตอบกับโลกแห่งความเป็นจริงได้ มนุษย์จัดการวัตถุหรือทำการเคลื่อนไหวที่ควบคุมโดยใช้ความรู้สึกสัมผัส เรารู้สึกถึงเนื้อสัมผัส รู้สึกอุณหภูมิ และประเมินน้ำหนักเพื่อชี้นำการกระทำแต่ละอย่างด้วยความแม่นยำ ความรู้สึกสัมผัสนี้ทำให้เราสามารถจัดการวัตถุอ่อน ๆ ใช้เครื่องมือที่มีการควบคุม และทำงานที่ซับซ้อนได้อย่างราบรื่น

Meta ซึ่งเป็นที่รู้จักในด้านการทำงานในความเป็นจริงเสมือนและเพิ่มความเป็นจริง ตอนนี้กำลังเผชิญความท้าทายในการสร้าง AI ที่สามารถโต้ตอบกับโลกแห่งความเป็นจริงได้เหมือนมนุษย์ โดยผ่านการเริ่มต้น FAIR Robotics Meta กำลังพัฒนาเครื่องมือและเฟรมเวิร์กที่เปิดกว้างเพื่อเพิ่มความสามารถสัมผัสและความคล่องตัวทางกายภาพของหุ่นยนต์ ความพยายามเหล่านี้อาจนำไปสู่การสร้าง Embodied AI — ระบบที่ไม่เพียงแต่เห็นหรือได้ยิน แต่ยังสามารถสัมผัสและจัดการวัตถุได้เหมือนมนุษย์

Embodied AI คืออะไร?

Embodied AI รวมการโต้ตอบทางกายภาพเข้ากับปัญญาประดิษฐ์ ทำให้เครื่องจักรสามารถรับรู้ ตอบสนอง และมีส่วนร่วมกับสภาพแวดล้อมได้อย่างเป็นธรรมชาติ ไม่ใช่แค่ “เห็น” หรือ “ได้ยิน” เท่านั้น แต่ยังสามารถ “สัมผัส” และ “กระทำ” ในโลกได้ ลองนึกถึงหุ่นยนต์ที่สามารถรู้สึกถึงแรงกดที่ใช้กับวัตถุ ปรับแรงกด และเคลื่อนไหวด้วยความคล่องตัว Embodied AI นำ AI จากหน้าจอและลำโพงเข้าสู่โลกแห่งความเป็นจริง ทำให้สามารถจัดการวัตถุ ทำงาน และโต้ตอบกับคนได้อย่างมีความหมายมากขึ้น

ตัวอย่างเช่น หุ่นยนต์ที่สร้างขึ้นบน Embodied AI สามารถช่วยคนสูงอายุในการจับวัตถุอ่อน ๆ โดยไม่ทำให้วัตถุเสียหาย ในด้านการแพทย์ สามารถช่วยแพทย์ในการถือเครื่องมืออย่างแม่นยำระหว่างการผ่าตัด ความสามารถนี้ขยายไปไกลกว่าแขนหุ่นยนต์ในห้องปฏิบัติการหรือแขนหุ่นยนต์แบบอัตโนมัติในโรงงาน มันเกี่ยวกับการสร้างเครื่องจักรที่เข้าใจและตอบสนองต่อสภาพแวดล้อมทางกายภาพได้แบบเรียลไทม์

แนวทางของ Meta ในด้าน Embodied AI

Meta กำลังเน้นไปที่ สามด้านหลัก เพื่อนำ Embodied AI มาใกล้กับการสัมผัสและความคล่องตัวแบบมนุษย์ ประการแรก บริษัทกำลังพัฒนเทคโนโลยีการรับรู้สัมผัสที่สามารถตรวจจับแรงกด เนื้อสัมผัส และอุณหภูมิ ประการที่สอง Meta กำลังสร้างแบบจำลองการรับรู้สัมผัสที่ทำให้ AI เข้าใจและตอบสนองต่อสัญญาณเหล่านี้ ประการที่สาม Meta กำลังสร้างแพลตฟอร์มการพัฒนาสัมผัสที่รวมเซ็นเซอร์หลายตัวเข้ากับแบบจำลองการรับรู้ ทำให้ได้ระบบที่สมบูรณ์สำหรับการสร้าง AI ที่มีการสัมผัส

Meta Digit 360: การรับรู้สัมผัสระดับมนุษย์

Meta ได้แนะนำ Digit 360 เทคโนโลยีการรับรู้สัมผัสที่ออกแบบมาเพื่อให้ Embodied AI มีการสัมผัสแบบมนุษย์ ด้วยคุณสมบัติการรับรู้มากกว่า 18 รายการ สามารถตรวจจับแรงสั่นสะเทือน อุณหภูมิ และแม้กระทั่งสารเคมีบนพื้นผิว โดยมีชิป AI ที่ประมวลผลข้อมูลสัมผัสทันที ทำให้สามารถตอบสนองต่ออินพุตต่าง ๆ เช่น ความร้อนของเตาหรือการกระตุกของเข็มได้อย่างรวดเร็ว เทคโนโลยีนี้ทำหน้าที่เป็น “ระบบประสาทสัมผัส” ภายใน Embodied AI โดยจำลองการตอบสนองแบบอัตโนมัติคล้ายกับการตอบสนองของมนุษย์ Meta ได้พัฒนานิ้วหุ่นยนต์นี้ด้วยระบบออปติคัลที่มีเซ็นเซอร์มากกว่า 8 ล้านตัวที่สามารถจับภาพสัมผัสจากทุกมุม มันสามารถตรวจจับรายละเอียดเล็ก ๆ น้อย ๆ ลงไปถึงแรงที่เล็กน้อยถึง 1 มิลลินิวตัน ทำให้ Embodied AI มีความไวต่อสภาพแวดล้อมที่แม่นยำ

Meta Sparsh: พื้นฐานการรับรู้สัมผัส

Meta กำลังปรับปรุงความสามารถในการรับรู้สัมผัสเพื่อช่วยให้ AI เข้าใจและตอบสนองต่อสิ่งเร้าทางกายภาพได้ดีขึ้น โดยใช้ชื่อ Sparsh ซึ่งเป็นคำภาษาสันสกฤตที่หมายถึง “สัมผัส” ทำหน้าที่เป็น “สมองสัมผัส” สำหรับ Embodied AI โดยช่วยให้เครื่องจักรสามารถตีความสัญญาณสัมผัสที่ซับซ้อน เช่น แรงกดและจับ

หนึ่งในคุณสมบัติที่โดดเด่นของ Sparsh คือความสามารถในการปรับเปลี่ยนได้ ระบบสัมผัสแบบดั้งเดิมใช้แบบจำลองที่แยกจากกันสำหรับการทำงานแต่ละอย่าง โดยพึ่งพาข้อมูลที่มีฉลากและเซ็นเซอร์ที่เฉพาะเจาะจง Sparsh เปลี่ยนแนวทางนี้โดยสิ้นเชิง โดยเป็นแบบจำลองที่มีจุดมุ่งหมายทั่วไปที่สามารถปรับให้เข้ากับเซ็นเซอร์และงานต่าง ๆ ได้ มันเรียนรู้รูปแบบสัมผัสโดยใช้ การเรียนรู้แบบไม่มีการกำกับ (SSL) จากฐานข้อมูลภาพสัมผัสมากกว่า 460,000 รูป — โดยไม่ต้องใช้ข้อมูลที่มีฉลาก

Meta ยังแนะนำ TacBench ซึ่งเป็นมาตรฐานใหม่ที่มีงานสัมผัส 6 อย่างเพื่อประเมินความสามารถของ Sparsh Meta อ้างว่า Sparsh ทำงานได้ดีกว่าแบบจำลองดั้งเดิมถึง 95.1% โดยเฉพาะในสถานการณ์ที่ข้อมูลน้อย รุ่นของ Sparsh ที่สร้างขึ้นบนโครงสร้าง I-JEPA และ DINO ของ Meta ได้แสดงความสามารถที่น่าประทับใจในงานต่าง ๆ เช่น การประมาณการแรง การตรวจจับการลื่น และการควบคุมที่ซับซ้อน

Meta Digit Plexus: แพลตฟอร์มสำหรับการพัฒนาระบบสัมผัส

Meta ได้แนะนำ Digit Plexus เพื่อรวมเทคโนโลยีการรับรู้สัมผัสและแบบจำลองการรับรู้สัมผัสเข้าด้วยกันเพื่อสร้างระบบ Embodied AI แพลตฟอร์มนี้รวมเซ็นเซอร์นิ้วและฝ่ามือเข้าด้วยกันในมือหุ่นยนต์เดียว ทำให้สามารถตอบสนองต่อสัมผัสได้มากขึ้น การตั้งค่านี้ทำให้ Embodied AI สามารถประมวลผลข้อมูลสัมผัสและปรับเปลี่ยนการกระทำได้แบบเรียลไทม์ เช่นเดียวกับมือมนุษย์ที่เคลื่อนไหวและตอบสนอง

โดยการมาตรฐานการให้ข้อมูลสัมผัสทั่วทั้งมือ Digit Plexus เพิ่มความแม่นยำและควบคุม Embodied AI ได้ดีขึ้น การพัฒนานี้มีความสำคัญอย่างยิ่งในด้านการผลิตและด้านการแพทย์ ซึ่งการจัดการอย่างระมัดระวังเป็นสิ่งจำเป็น แพลตฟอร์มนี้เชื่อมต่อเซ็นเซอร์ต่าง ๆ เช่น นิ้วและ ReSkin เข้ากับระบบควบคุม ทำให้การรวบรวมข้อมูล การควบคุม และการวิเคราะห์เป็นไปอย่างราบรื่น — ทั้งหมดนี้ผ่านสายเคเบิลเดียว

Meta กำลังเผยแพร่การออกแบบซอฟต์แวร์และฮาร์ดแวร์ของ Digit Plexus ให้กับชุมชนโอเพ่นซอร์ส โดยมีเป้าหมายในการส่งเสริมการทำงานร่วมกันและเร่งการวิจัยในด้าน Embodied AI เพื่อขับเคลื่อนนวัตกรรมและความก้าวหน้าในด้านเหล่านี้

การส่งเสริมการวิจัยและพัฒนา Embodied AI

Meta ไม่เพียงแต่พัฒนาเทคโนโลยีเท่านั้น แต่ยังพัฒนาแหล่งข้อมูลเพื่อส่งเสริมการวิจัยและพัฒนา Embodied AI หนึ่งในโครงการสำคัญคือการพัฒนาเกณฑ์มาตรฐานสำหรับการประเมินแบบจำลอง AI หนึ่งในเกณฑ์มาตรฐานเหล่านี้คือ PARTNR (Planning And Reasoning Tasks in humaN-Robot collaboration) ซึ่งประเมินว่าแบบจำลอง AI ต่าง ๆ โต้ตอบกับมนุษย์ได้อย่างไรระหว่างการทำงานในบ้าน โดยใช้ซิมูเลเตอร์ Habitat 3.0 PARTNR ให้สภาพแวดล้อมที่สมจริงที่หุ่นยนต์สามารถช่วยเหลือในการทำงานต่าง ๆ เช่น การทำความสะอาดและการทำอาหาร ด้วยงานที่ใช้ภาษามากกว่า 100,000 งาน มันพยายามเร่งความก้าวหน้าในด้าน Embodied AI

นอกจากโครงการภายในแล้ว Meta ยังร่วมมือกับองค์กรต่าง ๆ เช่น GelSight Inc. และ Wonik Robotics เพื่อเร่งการนำเทคโนโลยีการรับรู้สัมผัสไปใช้ GelSight จะจัดจำหน่ายเซ็นเซอร์ Digit 360 ในขณะที่ Wonik Robotics จะผลิต Allegro Hand ซึ่งรวมเทคโนโลยี Digit Plexus ด้วยการทำให้เทคโนโลยีเหล่านี้พร้อมใช้งานผ่านแพลตฟอร์มโอเพ่นซอร์สและความร่วมมือ Meta ช่วยสร้างระบบนิเวศที่อาจนำไปสู่นวัตกรรมในด้านการแพทย์ การผลิต และการช่วยเหลือในบ้าน

สรุป

Meta กำลังพัฒนา Embodied AI โดยนำสัมผัสและความคล่องตัวแบบมนุษย์มาสู่ AI ด้วยนวัตกรรมเช่น Digit 360 และ Sparsh ระบบ AI กำลังได้รับการพัฒนาความสามารถในการสัมผัสและตอบสนองต่อสภาพแวดล้อมด้วยความแม่นยำ โดยการแบ่งปันเทคโนโลยีเหล่านี้กับชุมชนโอเพ่นซอร์สและร่วมมือกับองค์กรหลัก Meta ช่วยเร่งความก้าวหน้าในการพัฒนาการรับรู้สัมผัส ซึ่งอาจนำไปสู่การผิดพลาดในด้านการแพทย์ การผลิต และการช่วยเหลือในบ้าน ทำให้ AI มีความสามารถและตอบสนองต่อการทำงานในโลกแห่งความเป็นจริงได้ดีขึ้น

ดร. Tehseen Zia เป็นรองศาสตราจารย์ที่ได้รับการบรรจุแบบถาวร (tenure) ที่ COMSATS University Islamabad และสำเร็จการศึกษาระดับปริญญาเอกด้านปัญญาประดิษฐ์จากมหาวิทยาลัยเทคโนโลยีเวียนนา ประเทศออสเตรีย เขาเชี่ยวชาญด้านปัญญาประดิษฐ์ การเรียนรู้ของเครื่อง วิทยาศาสตร์ข้อมูล และคอมพิวเตอร์วิทัศน์ และได้สร้างผลงานสำคัญผ่านการตีพิมพ์ในวารสารวิทยาศาสตร์ที่มีชื่อเสียง เขายังเป็นผู้นำโครงการอุตสาหกรรมต่าง ๆ ในฐานะหัวหน้าโครงการวิจัย และเคยทำงานเป็นที่ปรึกษาด้านปัญญาประดิษฐ์