Dream Labs huy động 90 triệu USD vốn hạt giống để đưa AI cho robot lên nhiều loại robot khác nhau

Dream Labs, công ty khởi nghiệp do các cựu nhà nghiên cứu robot của NVIDIA thành lập, đã huy động được 90 triệu USD vốn hạt giống và ra mắt API công khai cho Dream-1, một mô hình được thiết kế để chuyển giao kỹ năng giữa các loại robot khác nhau. Vòng gọi vốn do B Capital dẫn dắt cùng với Kindred Ventures, với sự tham gia của A.Capital, Unusual Ventures và các nhà đầu tư khác.

Công ty đang giải quyết một nút thắt tốn kém trong ngành robot: một cỗ máy học được một nhiệm vụ không tự động truyền kiến thức đó sang một cỗ máy khác. Dream Labs muốn các nhà phát triển bắt đầu với một mô hình dùng chung, rồi điều chỉnh mô hình khi một robot hoặc ứng dụng cụ thể cần được huấn luyện chuyên sâu hơn.

Đợt ra mắt bao gồm một API, dịch vụ tinh chỉnh mô hình và Robot Playground chạy trên trình duyệt. Công cụ này cho phép người dùng gửi chỉ dẫn đến các robot vật lý tại văn phòng của công ty ở San Francisco. Dream Labs cho biết nguồn vốn sẽ chủ yếu hỗ trợ năng lực tính toán khi công ty mở rộng khả năng và quy mô của mô hình.

Cách Dream-1 chuyển video thành hành động vật lý

Dream Labs gọi Dream-1 là Mô hình Hành động Thế giới. Bài viết kỹ thuật về đợt ra mắt mô tả một hệ thống dự đoán đồng thời video và hành động: dự đoán cảnh vật sẽ thay đổi như thế nào gắn liền với việc quyết định robot nên làm gì tiếp theo.

Sự khác biệt này rất quan trọng vì cấu tạo thân robot không giống nhau. Lệnh điều khiển khớp hoạt động được trên cánh tay robot này chưa chắc đã dùng được trên cánh tay khác. Thay vào đó, Dream-1 có thể dự đoán tư thế của đầu công tác — vị trí và hướng mong muốn của mỗi bộ kẹp, cũng như việc bộ kẹp đó cần mở hay đóng. Bộ giải động học nghịch của mỗi robot chuyển các mục tiêu này thành những chuyển động mà các khớp của chính robot đó có thể thực hiện.

Cách tiếp cận này tạo ra một giao diện chung cho nhiều cỗ máy mà không đòi hỏi chúng phải có phần cứng giống hệt nhau. Mô hình sử dụng ba góc nhìn từ camera: một camera hướng vào khung cảnh và một camera trên mỗi cổ tay robot. Biểu diễn video giúp mô hình suy luận về các cánh tay và bộ kẹp có hình dáng khác nhau thông qua cùng một phương tiện trực quan.

Với các nhà phát triển, sản phẩm đóng gói nghiên cứu đó thành một quy trình tương đối trực tiếp. Robot cung cấp hình ảnh, trạng thái hiện tại và chỉ dẫn nhiệm vụ; mô hình trả về các hành động. Các mô hình chạy thông qua dịch vụ do Dream Labs lưu trữ, thay vì buộc mỗi nhà phát triển phải tự xây dựng và vận hành một mô hình nền tảng cho robot.

Khả năng chuyển giao không cần huấn luyện có phạm vi xác định

Khả năng hiện tại của công ty trong việc thực hiện tác vụ không cần huấn luyện trước tập trung vào robot hai tay có bộ kẹp song song: những cỗ máy có hai cánh tay và bộ kẹp đơn giản chỉ có thể đóng, mở. “Không cần huấn luyện trước” có nghĩa là mô hình có thể thử thực hiện nhiệm vụ trên một robot chưa từng gặp mà không cần được huấn luyện trước bằng các bản trình diễn từ chính cỗ máy đó.

Trong đánh giá được công bố, Dream Labs thử nghiệm 27 cấu hình robot chưa từng gặp trong môi trường mô phỏng, với 300 lượt chạy cho mỗi cấu hình. Kết quả được báo cáo tương quan với YAM, robot dùng để huấn luyện Dream-1. Hiệu suất thay đổi đáng kể tùy theo phần cứng, vì vậy tuyên bố nổi bật về khả năng chuyển giao giữa các robot sẽ hữu ích hơn khi được xem xét cùng với các kết quả chi tiết.

Không nên nhầm những điểm số tương đối đó với tỷ lệ hoàn thành nhiệm vụ tuyệt đối. Việc chuyển một chính sách điều khiển sang robot khác cũng không chứng minh rằng robot đó sẽ hoàn thành mọi nhiệm vụ một cách đáng tin cậy. Trong các đánh giá nhiệm vụ, trang nghiên cứu phân biệt riêng việc hoàn thành toàn bộ với tiến triển một phần.

Giao diện điều khiển này cũng đi kèm những đánh đổi. Việc dự đoán đích đến của bộ kẹp chưa xác định đầy đủ đường đi mà cánh tay robot sẽ thực hiện để đến đó. Chướng ngại vật, giới hạn khớp và chất lượng của bộ giải động học nghịch trên robot có thể ảnh hưởng đến hiệu suất. Robot có không gian làm việc hoặc động lực học rất khác biệt có thể làm lộ rõ thêm những khoảng cách giữa dự đoán của mô hình và những gì phần cứng có thể thực hiện trên thực tế.

Tinh chỉnh mô hình mở ra hướng vượt qua mức cơ bản

Dịch vụ tinh chỉnh mô hình của Dream Labs cho phép các nhà phát triển có thêm lựa chọn khi mô hình tổng quát chưa đáp ứng được yêu cầu. Họ có thể tải lên các bản trình diễn từ robot của mình để nhận lại một mô hình đã được điều chỉnh, thay vì phải bắt đầu một dự án huấn luyện từ đầu.

Công ty đưa ra các ví dụ điều chỉnh mô hình bằng năm phút dữ liệu riêng của robot, cũng như những ví dụ cần nhiều dữ liệu hơn đáng kể đối với các đầu công tác chưa quen thuộc. Những minh họa này cho thấy nhu cầu điều chỉnh có thể khác nhau; chúng không chứng minh rằng mọi trường hợp đều cần huấn luyện trong năm phút.

Đây là một khác biệt quan trọng trên thực tế. Mô hình dùng chung có thể giảm khối lượng công việc ban đầu cần thiết để robot bắt đầu chuyển động, trong khi dữ liệu dành riêng cho nhiệm vụ vẫn có thể cần thiết để robot hoạt động hữu ích trong một ứng dụng cụ thể. Dream Labs thừa nhận rằng các mô hình đã điều chỉnh vẫn cho hiệu suất cao hơn chế độ vận hành không cần huấn luyện trước.

Trang nghiên cứu niêm yết mức phí suy luận là 3 USD mỗi giờ đối với Dream-1 và 2 USD mỗi giờ đối với phiên bản nhẹ hơn Dream-1-flash. Mỗi lần gọi mô hình trả về 1,6 giây hành động. Khi đánh giá chi phí triển khai, cần xem xét riêng phần cứng, tích hợp và mọi chi phí dịch vụ bổ sung.

Từ các bản trình diễn nghiên cứu đến công việc có thể lặp lại

Đội ngũ của công ty khởi nghiệp này trước đây từng làm việc về DreamZero và các nghiên cứu robot học GR00T của NVIDIA. Với Dream-1, họ đang chuyển những nghiên cứu đó thành một dịch vụ mà các nhà phát triển có thể thử nghiệm trên chính máy móc của mình.

Khả năng tiếp cận là một phần đáng kể trong thông báo này. API công khai cho phép các nhà sản xuất robot và những nhóm nhỏ hơn trực tiếp đánh giá cách hệ thống hoạt động, kể cả những trường hợp hệ thống thất bại, thay vì chỉ dựa vào các bản trình diễn được chọn lọc. Playground trực tuyến giúp những người không sở hữu robot dễ dàng tiếp cận và tìm hiểu hơn.

Dream-1 vẫn đang trong giai đoạn thử nghiệm nghiên cứu, và Dream Labs cho biết sản phẩm chưa được xác nhận là an toàn để sử dụng trong các tình huống trọng yếu về an toàn. Hiện tại, nghiên cứu tập trung vào khả năng thao tác với các hệ thống hai cánh tay, sử dụng kẹp song song; việc mở rộng hỗ trợ cho robot di động và phần cứng có khả năng thao tác linh hoạt vẫn nằm trong kế hoạch phát triển.

Câu hỏi thương mại đặt ra là liệu một mô hình có thể chuyển đổi giữa các cỗ máy cũng có thể hoạt động ổn định, lặp lại trên những tác vụ mà khách hàng sẵn sàng trả tiền để tự động hóa hay không. Vòng gọi vốn 90 triệu USD mang lại cho Dream Labs nguồn lực để theo đuổi mục tiêu đó. Thử thách quan trọng nhất sẽ là xác định sau khi kết nối một robot mới, các nhà phát triển vẫn cần bao nhiêu dữ liệu tùy chỉnh và công sức kỹ thuật.