Roboti v Šanghaji grilovali naživo. Co skutečně ukázal zátěžový test modelu Aether

Dne 16. září uspořádala společnost Lexiang Technology — v anglických firemních materiálech označovaná také jako JoyIn Technology — v šanghajském obvodu Minchang veřejný venkovní test svého vtěleného modelu Aether. Více než hodinu běžel živý přenos obsluhy grilovacího stánku dvěma humanoidními roboty. Firma jej prezentovala jako zátěžovou zkoušku v reálném provozu, nikoli jako krátké, pečlivě připravené studiové demo. 1215

Co se během živého přenosu dělo

Role byly rozdělené. Robot u grilu zůstával na stanovišti a připravoval špízy, zatímco obslužní roboti přijímali objednávky, přenášeli jídlo, servírovali hostům a komunikovali s nimi. Nejnápadnějším momentem byla předávka: grilovací robot hotové jídlo odevzdal obslužnému robotovi, který jej donesl ke stolu. 12

Podle popisu z akce jeden z obslužných robotů po požadavku zákazníka přerušil rozdělanou činnost a šel pro vodu. Jiní roboti reagovali přímočařeji, případně se více drželi stanoveného postupu. To je důležité i jako připomínka, že chování jednotlivých robotů nebylo zcela stejné. 12

Jaký je model Aether

JoyIn popisuje Aether jako vtělený základní model o přibližně 4 miliardách parametrů. Firma uvádí, že při jeho výcviku použila asi 200 hodin videí lidské činnosti a žádná data z reálných robotů. Aether má být zaměřený hlavně na vnímání a jednání ve fyzickém světě, ne primárně na práci s textem jako běžný jazykový model. Tato čísla i popis přístupu jsou však firemními tvrzeními, ne nezávisle auditovanými výsledky. 715

Podstatou firemního sdělení je také takzvaný cross-embodiment přístup: jediná řídicí politika má fungovat napříč roboty s odlišnými těly a nemá být nutné trénovat samostatný model pro každý stroj. Ještě před grilovací akcí firma přitáhla pozornost videem, které mělo bez střihu a v jediném desetiminutovém záběru ukazovat koordinaci robotů různých typů. 1013

Proč byl venkovní gril náročnější než studiová ukázka

Přenos se odehrával venku, s objednávkami a zásahy lidí v reálném čase. Roboty tedy musely pracovat s pohybujícími se lidmi, měnícím se rozmístěním věcí, vyrušením a delším řetězcem úkonů: objednávka, vaření, předání, doručení a komunikace se zákazníkem.

Lexiang uváděla, že akce byla bez zkoušek, předem napsaného scénáře i dálkového ovládání a že diváci mohli do průběhu zasahovat. Tyto podmínky autonomie je ale namístě chápat jako tvrzení společnosti, dokud nejsou k dispozici úplná provozní data, telemetrie a záznamy zásahů obsluhy. 101213

Co test dokládá — a co zatím ne

Více než hodinový veřejný livestream je relevantní doklad, že předvedený systém dokázal po delší dobu vykonávat alespoň část vícekrokové obsluhy ve stravování v méně kontrolovaném prostředí než studio. Oproti sestříhanému videu také lépe zpřístupňuje případné prodlevy, chyby a způsob, jakým se systém po nich vrací k práci. 1215

Z dostupných informací ovšem nelze vyvodit, že Aether je obecně odolný, bez dodatečného učení spolehlivě funguje na libovolném hardwaru, pracuje vždy plně autonomně bez lidské pomoci nebo překonává konkurenční modely.

Pro takové závěry by byla potřeba reprodukovatelná technická zpráva: popis architektury a rozhraní modelu, původ tréninkových dat, podrobnosti o robotickém hardwaru a řídicím systému, záznamy lidských zásahů, míry selhání, přesné definice úloh, testy na oddělených datech a nezávislé srovnání v benchmarcích. Dostupné zprávy takové podklady neposkytují.