מנתוני אמת לעולמות מדומים: כך WUWENAI מנסה להאיץ את אימון הרובוטים

הבעיה: רובוטים צריכים יותר מסרטונים

התזה של WUWENAI פשוטה: בינה מלאכותית גופנית — מערכות שמבינות את העולם ופועלות בו באמצעות רובוט — לא תוכל להתרחב רק באמצעות איסוף הדגמות. החברה, שהוקמה ומנוהלת בידי ליו שנגשיאנג, לשעבר בכיר בבאידו בתחום הנתונים והבדיקות לנהיגה אוטונומית, מציעה במקום זאת מערכת סגורה של Real-to-Sim-to-Real: נתוני אינטראקציה מהעולם האמיתי מזינים מודל עולם גנרטיבי; המודל הופך לסביבה מדומה שניתן לשלוט בה; והכישלונות והמקרים הנדירים שמתגלים בסימולציה חוזרים לאיסוף פיזי נוסף. כך, לטענת החברה, איסוף הנתונים, אימון המדיניות, ההערכה והשיפור הופכים למערכת אחת. 8

שלושה חלקים בלולאה

1. Data Factory: עיגון במציאות

חוות איסוף נתונים רב-חושיות מתעדות באופן מסונכרן את מה שהרובוט רואה ועושה בזמן אינטראקציה עם חפצים: מצב חזותי, תנועה, מגע ותוצאות המשימה. המטרה היא לשמר את הסיבתיות הפיזית שחסרה בדרך כלל בסרטוני רשת ובסצנות סינתטיות — וליצור נתונים שמתאימים לשליטה ברובוט, לא רק תמונות או סרטונים שנראים אמינים.

WUWENAI פרסמה גם את פלטפורמת נתוני ה-Physical AI שלה, Wuyin, וטענה כי היא כוללת יותר מ-1,000 טרה-בייט של נתונים ו-10,000 שעות של מאגרי נתונים איכותיים שפתוחים לציבור. 12

2. Generative World Model: להפיק יותר חוויות

מודל העולם מנסה ללמוד כיצד סביבה משתנה כאשר סוכן גופני מבצע פעולה. לאחר מכן הוא יכול לייצר, בהתבסס על נתוני האמת, וריאציות של משימות, מסלולי תנועה, הפרעות, סידורים שונים של חפצים ותרחישי כישלון.

במילים פשוטות, זהו מודל שלומד לייצג את הסצנה ואת ההתפתחות שלה לאורך זמן בתוך ייצוג דחוס שלמד. 5 החשיבות היא לא רק ביכולת לייצר תמונה משכנעת, אלא בחיזוי של מה עשוי לקרות אחרי פעולה מסוימת של הרובוט.

3. World Simulator: אימון, בדיקה ובחירה

בסימולטור, מדיניות הפעולה של הרובוט יכולה לנסות מסלולים רבים במהירות ובעלות נמוכה בהרבה מאשר על חומרה פיזית. המערכת יכולה לדרג תוצאות, לאתר מצבים שבהם המדיניות חלשה ולבחור אילו מקרים מצדיקים איסוף נתונים חדש בעולם האמיתי.

מחקרים על סימולטורים אינטראקטיביים המותנים בפעולות מדווחים כי ההערכות שמתקבלות בסימולציה עשויות להיות מתואמות עם ביצועים בעולם האמיתי. עם זאת, מדובר עדיין בתחום מחקר פעיל — לא ביכולת שנפתרה לחלוטין. 3

איך מגיעים ל״מיליוני שעות״?

הטענה המרכזית של ליו אינה ש-WUWENAI תקליט פיזית מיליוני שעות של פעילות רובוטים. הרעיון הוא שמאגר מצומצם יחסית של אינטראקציות פיזיות איכותיות ישמש מאגר זרעים: ממנו יפיק המודל מסלולי אימון רבים, נשלטים ומגוונים.

הלולאה הפיזית מעדכנת ומתקנת את הסימולטור כדי לצמצם את הסטייה בינו לבין המציאות; הלולאה הווירטואלית מספקת את קנה המידה. דפוס המשוב הזה — נתונים אמיתיים, יצירת נתונים סינתטיים, ניסוי ושיפור — תואם כיוונים חדשים במחקר של למידת חיזוק סגורה עם רובוטים אמיתיים. 4

מדוע השיטות המקובלות אינן מספיקות?

• טלפעלה: הפעלה מרחוק בידי אדם מספקת הדגמות עם תוויות פעולה, אך היא יקרה, איטית ותלויה במפעיל. בנוסף, היא נוטה להתמקד בהתנהגות מוצלחת ואינה מכסה ביעילות כישלונות נדירים או תרחישים נגדיים.
• סרטוני גוף ראשון של בני אדם: סרטונים כאלה מציעים קנה מידה גדול, אך לרוב אינם כוללים פעולות רובוט, גיאומטריה מכוילת, נתוני כוח ומגע או התאמה ישירה לגוף הרובוט. לכן הם מספקים פיקוח מוגבל ללמידת שליטה במניפולציה.
• סימולציה טהורה: סימולציה זולה ומגוונת, אך היא עלולה להכיל גיאומטריה שגויה, דינמיקת מגע לא מדויקת, רעשי חישה, התנהגות לא נכונה של חפצים או מודל חלקי של סביבה אנושית. זהו פער ה-sim-to-real. התאמה דינמית של תאום דיגיטלי לתצפיות מהעולם האמיתי נועדה לצמצם את הפער הזה. 2

מחיקוי ללמידת חיזוק

הדגמות הן נקודת פתיחה ללמידת חיקוי: הרובוט לומד בעיקר ״לעשות כפי שהמדגים עשה״. סימולטור אמין, המותנה בפעולות, מאפשר למדיניות לנסות חלופות, לקבל תגמולים על תוצאות, לייעל התנהגות לאורך משימות ארוכות וללמוד כיצד להתאושש מכישלון — כלומר, לעבור ללמידת חיזוק.

מחקרים עדכניים כבר הדגימו כוונון של מדיניות ראייה-שפה-פעולה באמצעות למידת חיזוק בתוך מודל עולם. עם זאת, איכות פונקציית התגמול ונאמנות המודל למציאות נותרו המגבלות המכריעות. 1

מול מי WUWENAI מתחרה?

התחרות בתחום אינה מתכנסת בהכרח למרוץ של תכונה אחת, אלא לארכיטקטורה דומה. World Labs מתארת את SceniX כמנוע R2S2R שממיר משימה פיזית לעולמות מדומים רבים, נשלטים וניתנים לשימוש חוזר, לצורך אימון ובדיקת מדיניות רובוטית. 7

מחקרי מודלי העולם של Google DeepMind מקשרים זה זמן רב בין מודלים נלמדים של דינמיקה לבין למידת חיזוק הניתנת להרחבה. 3 לטסלה, מצדה, יתרונות משמעותיים באיטרציה של חומרה, בייצור ובמערכת הרחבה של נתונים ומשאבי מחשוב סביב Optimus. אבל המידע הציבורי הקיים אינו מספיק כדי לקבוע ש-WUWENAI מקדימה טכנולוגית את טסלה או את DeepMind.

מדוע השוק הסיני חשוב?

בסין מותקנת התשתית הגדולה בעולם של רובוטים תעשייתיים, והמדינה מרחיבה במקביל את פעילותה בתחום הרובוטים דמויי-האדם ומפתחת חלקים נוספים בשרשרת האספקה המקומית. 6 התייחסויות רשמיות מתארות גם מעבר של הבינה הגופנית מניסויים בקבוצות קטנות לפריסה רחבה יותר. 9

עבור חברת תשתיות נתונים, המשמעות האפשרית היא מאגר מקומי גדול של מפעלים, רובוטים, משימות וסביבות הפעלה — בסיס שממנו ניתן לאסוף נתוני עיגון ולמכור כלים משותפים ליצרני רובוטים שונים.

ההסתייגות החשובה

המעמד של WUWENAI כ״חברה ברמה עולמית״, כמו גם הטענה שהיא מקדימה את המתחרות בחודשים, מבוססים בשלב זה על הצהרות החברה והתקשורת — לא על מדדי ביצוע שאומתו באופן בלתי תלוי.

המבחן האמיתי יהיה שונה: האם הסימולטור שלה מסוגל לחזות במדויק מספיק תוצאות של אינטראקציות מורכבות, מגעים ומשימות ארוכות, כך שמדיניות שאומנה בו תעבור באופן עקבי לרובוטים, חפצים וסביבות שונים בעולם האמיתי. אם כן, WUWENAI עשויה לבנות שכבת תשתית משמעותית לבינה מלאכותית גופנית. אם לא, הלולאה עלולה לייצר בעיקר הרבה נתונים שנראים אמינים — אך אינם מלמדים רובוטים לפעול בצורה אמינה.