WUWENAI vil give embodied AI millioner af træningstimer – uden at optage dem alle i den fysiske verden

WUWENAIs grundidé er, at embodied AI – kunstig intelligens, der kan opfatte og handle i den fysiske verden – ikke kan skaleres ved kun at indsamle flere menneskelige demonstrationer. Selskabet vil i stedet koble den virkelige og den virtuelle verden i et lukket Real-to-Sim-to-Real-kredsløb.

Liu Shengxiang, der tidligere stod i spidsen for data- og testarbejde inden for autonom kørsel hos Baidu, beskriver ifølge WUWENAI denne infrastrukturstrategi som selskabets udgangspunkt. 8

Tre led i et lukket datakredsløb

1. Data Factory: Virkeligheden først

WUWENAIs multimodale opsætninger indsamler synkroniserede observationer og handlinger fra robotter, der interagerer med fysiske objekter. Det kan blandt andet være visuel tilstand, bevægelse, kontakt, kraft og resultatet af en opgave.

Pointen er at bevare den fysiske årsagssammenhæng, som almindelige internetvideoer og kunstigt fremstillede scener ofte mangler. Dataene skal derfor ikke blot se realistiske ud, men også være anvendelige til robotstyring.

Selskabet har desuden lanceret Wuyin, en platform for data til fysisk AI. WUWENAI oplyser, at platformen rummer mere end 1.000 TB data og 10.000 timers åbne datasæt af høj kvalitet. 12

2. Generativ verdensmodel: Flere erfaringer ud af færre data

En verdensmodel lærer, hvordan en scene udvikler sig, når en fysisk agent udfører handlinger. Den kan derefter generere sandsynlige variationer af opgaver, bevægelsesforløb, forstyrrelser, objektplaceringer og fejlsituationer med udgangspunkt i de virkelige data.

I teknisk forstand forsøger en verdensmodel at lagre en kompakt, indlært repræsentation af både scenen og dens udvikling over tid. 5 Det gør det muligt at simulere, hvad der kunne ske, hvis robotten vælger en anden handling end den, der oprindeligt blev observeret.

3. World Simulator: Træning, evaluering og feedback

I simulatoren kan robotpolitikker – modeller, der bestemmer robot­tens næste handling – afprøves langt hurtigere og billigere end på fysisk hardware. Systemet kan sammenligne resultater, finde svage punkter og udvælge de situationer, hvor der er behov for nye data fra den virkelige verden.

Forskning i interaktive, handlingsstyrede simulatorer viser, at evalueringer i simulation i nogle tilfælde kan hænge sammen med robotternes præstationer i virkeligheden. Det er dog fortsat et aktivt forskningsområde, ikke en løst teknologisk udfordring. 3

Hvorfor taler Liu om millioner af timer?

Liu Shengxiangs argument er ikke, at WUWENAI fysisk vil optage millioner af robot-timer. I stedet skal et relativt begrænset antal virkelighedsforankrede interaktioner fungere som et grunddatasæt, som modellen kan bruge til at skabe mange kontrollerede træningsforløb.

Den fysiske del af kredsløbet skal løbende korrigere simulatoren og begrænse såkaldt modeldrift. Den virtuelle del leverer til gengæld den nødvendige skala. Det minder om den real-syntetiske feedbackstruktur, der også dukker op i nyere forskning i reinforcement learning med rigtige robotter. 4

Hvorfor er de traditionelle datakilder ikke nok?

• Teleoperation: Fjernstyring giver tydeligt mærkede eksempler på handlinger, men er dyrt, langsomt og afhængigt af operatøren. Dataene kommer ofte til at handle om vellykkede handlinger og dækker derfor dårligt sjældne fejl, uventede hændelser og alternative handlingsforløb.
• Førstepersonsvideo fra mennesker: Menneskevideoer kan levere stor skala, men mangler typisk robotternes konkrete handlinger, kalibreret geometri, kraft- og kontaktsignaler samt en direkte sammenhæng mellem menneskekroppen og robotten. Derfor er de begrænset som supervision til præcis manipulationsstyring.
• Ren simulation: Virtuelle miljøer er billige og kan varieres næsten ubegrænset, men kan indeholde fejl i geometri, kontaktfysik, sensorstøj, objekters opførsel eller menneskelige miljøer. Det er kernen i det såkaldte sim-to-real-gap. En digital tvilling, der løbende justeres efter virkelige observationer, skal efter planen mindske dette problem. 2

Fra at kopiere mennesker til selv at prøve sig frem

Demonstrationer kan starte en robot med imitation learning: Modellen lærer grundlæggende at gøre det samme som demonstratoren.

Hvis simulatoren er tilstrækkeligt pålidelig og reagerer på robot­tens handlinger, kan modellen også afprøve alternativer, modtage belønning for gode resultater, optimere længere handlingsforløb og lære at komme tilbage efter fejl. Det er overgangen til reinforcement learning, hvor robotten ikke kun kopierer, men også lærer gennem forsøg og feedback.

Nyere forskning har vist reinforcement learning-finjustering af vision-language-action-modeller i verdensmodeller. Men robuste belønningssignaler og en tilstrækkeligt præcis simulering er stadig de afgørende begrænsninger. 1

En del af en større teknologisk kapløb

WUWENAI konkurrerer ikke nødvendigvis på én enkelt funktion. Flere aktører bevæger sig mod samme arkitektur: virkelige data, generative verdensmodeller og simulering i et samlet kredsløb.

World Labs beskriver eksempelvis SceniX som en R2S2R-motor, der kan omdanne én fysisk opgave til mange kontrollerbare og genanvendelige simulerede verdener til træning og test af robotpolitikker. 6 Google DeepMinds forskning har i længere tid koblet indlærte dynamiske modeller med skalerbar reinforcement learning. 3

Tesla har på sin side stærke fordele inden for hardwareudvikling, produktion samt sit bredere data- og computerøkosystem omkring Optimus. Der er dog ikke tilstrækkeligt offentligt belæg for at fastslå, at WUWENAI teknisk er foran Tesla eller DeepMind.

Hvorfor Kina er et oplagt marked

Kina har verdens største installerede base af industrirobotter og udvider samtidig arbejdet med humanoide robotter, mens dele af forsyningskæden lokaliseres. 17 Officielle udmeldinger beskriver desuden embodied AI som en teknologi, der bevæger sig fra forsøg i mindre skala mod bredere anvendelse. 19

Det kan give en data-infrastrukturvirksomhed adgang til mange fabrikker, robotter, opgaver og driftsmiljøer. Her kan WUWENAI både indsamle fysiske grunddata og potentielt tilbyde fælles værktøjer til flere robotproducenter.

Den afgørende prøve kommer i den fysiske verden

WUWENAIs status som en virksomhed i verdensklasse – og påstanden om at være måneder foran World Labs – bygger på selskabets egne eller mediers beskrivelser, ikke på uafhængigt validerede benchmarks.

Den egentlige test bliver derfor, om simulatoren præcist nok kan forudsige kontaktfyldte og langvarige hændelser til, at politikker trænet i den virtuelle verden konsekvent fungerer på forskellige robotter, med forskellige objekter og i nye miljøer. Først hvis det lykkes, kan Real-to-Sim-to-Real blive mere end et lovende dataarkitekturkoncept og udvikle sig til den skalerbare infrastruktur, som embodied AI mangler.