WUWENAI stawia na dane z realnego świata i generatywne symulacje, by skalować embodied AI

Dane jako wąskie gardło embodied AI

Teza WUWENAI jest prosta: sztuczna inteligencja ucieleśniona nie osiągnie dużej skali, jeśli będzie uczona wyłącznie na nagranych demonstracjach. Kierowany przez Liu Shengxianga — byłego menedżera Baidu odpowiedzialnego za dane i testy w obszarze autonomicznej jazdy — startup proponuje zamkniętą pętlę Real-to-Sim-to-Real. 8

W tym podejściu dane z fizycznych interakcji robotów z otoczeniem zasilają generatywny model świata. Model tworzy następnie kontrolowalne środowisko, w którym można szybko testować wiele alternatywnych zachowań. Najciekawsze porażki i przypadki brzegowe wracają do świata fizycznego, gdzie są ponownie sprawdzane i rejestrowane. Produkcja danych, trening polityk, ocena wyników i poprawa systemu stają się w ten sposób jednym procesem.

Jak działa proponowany system?

1. Data Factory: zakotwiczenie w rzeczywistości

Wielomodalne stanowiska pomiarowe rejestrują zsynchronizowane obserwacje i działania podczas prawdziwych interakcji robot–obiekt. Chodzi m.in. o obraz, pozycję i ruch, kontakt fizyczny oraz rezultat wykonywanego zadania.

Takie dane mają zachowywać związki przyczynowo-skutkowe obecne w świecie fizycznym — element, którego często brakuje zwykłym nagraniom internetowym i całkowicie syntetycznym scenom. Ich celem nie jest więc sama realistyczna grafika, lecz dostarczenie informacji przydatnych do sterowania robotem.

WUWENAI informuje również o platformie danych fizycznej AI o nazwie Wuyin. Według deklaracji firmy obejmuje ona ponad 1000 TB danych oraz 10 000 godzin otwartych, wysokiej jakości zbiorów danych. 12

2. Generative World Model: mnożenie doświadczeń

Model świata uczy się, jak zmienia się scena, gdy agent ucieleśniony podejmuje określone działania. Na tej podstawie może generować wiarygodne warianty zadań, trajektorie, zakłócenia, różne konfiguracje obiektów oraz sytuacje prowadzące do awarii — pod warunkiem że są one zakotwiczone w danych z rzeczywistości.

W praktyce „model świata” to sieć neuronowa, która tworzy reprezentację sceny i jej zmian w czasie. Reprezentacja ta jest skompresowana, ale ma zachować informacje istotne dla przewidywania kolejnych stanów środowiska. 5

3. World Simulator: trening i selekcja przypadków

W symulatorze polityki sterowania można uruchamiać znacznie szybciej i taniej niż na fizycznym robocie. System ma oceniać rezultaty, wskazywać słabe punkty oraz wybierać sytuacje, które wymagają dodatkowego zebrania danych w świecie rzeczywistym.

Najnowsze badania nad interaktywnymi symulatorami sterowanymi działaniami sugerują, że oceny polityk w symulacji mogą korelować z ich wynikami w rzeczywistości. Nie jest to jednak rozwiązany problem inżynieryjny, lecz wciąż aktywny obszar badań. 3

Skąd wziąć „miliony godzin” danych?

Kluczowa obietnica Liu nie polega na tym, że WUWENAI fizycznie nagra miliony godzin pracy robotów. Pomysł zakłada, że stosunkowo niewielki, lecz dobrze ugruntowany w rzeczywistości zbiór interakcji stanie się materiałem wyjściowym do generowania ogromnej liczby kontrolowalnych trajektorii treningowych.

Pętla fizyczna ma regularnie korygować symulator i ograniczać jego odchodzenie od rzeczywistości. Pętla wirtualna dostarcza natomiast skalę, pozwalając testować kombinacje, których ręczne odtworzenie na sprzęcie byłoby zbyt drogie lub czasochłonne. Taki schemat sprzężenia danych rzeczywistych i syntetycznych jest zgodny z pojawiającymi się pracami nad zamkniętą pętlą uczenia przez wzmacnianie na prawdziwych robotach. 4

Dlaczego nie wystarczy teleoperacja, wideo ani klasyczna symulacja?

WUWENAI przedstawia swoje podejście jako odpowiedź na ograniczenia trzech popularnych metod:

• Teleoperacja dostarcza demonstracji z etykietami działań, ale jest kosztowna, powolna i zależna od operatora. Zwykle skupia się też na zachowaniach zakończonych sukcesem, przez co słabo pokrywa rzadkie awarie i sytuacje kontrfaktyczne.
• Wideo z perspektywy pierwszej osoby zapewnia dużą skalę, lecz zazwyczaj nie zawiera informacji o działaniach robota, skalibrowanej geometrii, siłach i kontaktach ani bezpośredniej zgodności z konkretnym ciałem robota. Dlatego stanowi ograniczony nadzór dla systemów manipulacji.
• Czysta symulacja jest tania i różnorodna, ale może błędnie odwzorowywać geometrię, dynamikę kontaktu, szumy sensorów, zachowanie przedmiotów czy specyfikę środowisk tworzonych przez ludzi. To właśnie istota luki sim-to-real. Dynamiczne dostosowywanie cyfrowego bliźniaka do obserwacji z realnego świata ma tę lukę zmniejszać. 2

Od naśladowania do uczenia przez wzmacnianie

Demonstracje są dobrym punktem startowym dla uczenia naśladowczego: robot uczy się zasady „zrób to, co zrobił demonstrator”. Samo kopiowanie nie wystarcza jednak, gdy trzeba reagować na nieprzewidziane sytuacje albo znaleźć lepszą drogę do celu.

Jeśli symulator jest dostatecznie wiarygodny i reaguje na działania agenta, polityka może wypróbowywać alternatywne strategie, otrzymywać nagrody za postęp, optymalizować zachowanie w dłuższym horyzoncie i uczyć się wychodzenia z porażek. To otwiera drogę do uczenia przez wzmacnianie.

Najnowsze badania pokazały już możliwość dostrajania polityk typu vision-language-action za pomocą uczenia przez wzmacnianie w modelu świata. Nadal decydujące pozostają jednak jakość funkcji nagrody oraz wierność modelu wobec fizycznej rzeczywistości. 1

WUWENAI na tle World Labs, Tesli i DeepMind

Rywalizacja w tej dziedzinie coraz mniej przypomina wyścig pojedynczych funkcji. Najważniejsi gracze zmierzają w stronę podobnej architektury: dane fizyczne, model świata, interaktywna symulacja i sprzężenie zwrotne.

World Labs opisuje platformę SceniX jako silnik R2S2R, który przekształca jedno fizyczne zadanie w wiele kontrolowalnych i wielokrotnego użytku światów symulowanych do treningu oraz testowania polityk. 7 Badania DeepMind od dawna łączą wyuczone modele dynamiki ze skalowalnym uczeniem przez wzmacnianie. 3

Tesla ma silne atuty w postaci iteracji sprzętu, produkcji oraz szerokiego ekosystemu danych i mocy obliczeniowej związanego z jej działalnością. Publicznie dostępne informacje nie pozwalają jednak stwierdzić, że WUWENAI jest technologicznie przed Teslą lub DeepMind. Twierdzenia o „światowej klasie” czy przewadze liczonej w miesiącach pozostają deklaracjami firmy lub relacjami medialnymi, a nie niezależnie potwierdzonymi wynikami benchmarków.

Dlaczego chiński rynek może sprzyjać takiej strategii?

Chiny mają największą na świecie zainstalowaną bazę robotów przemysłowych, rozwijają roboty humanoidalne i jednocześnie lokalizują część łańcucha dostaw robotyki. 6 Oficjalne komentarze wskazują ponadto, że embodied AI przechodzi od testów na małą skalę do szerszych wdrożeń. 9

Dla firmy budującej infrastrukturę danych oznacza to potencjalnie duży krajowy zbiór fabryk, robotów, zadań i środowisk wdrożeniowych. Taka baza może ułatwić zbieranie danych ugruntowujących modele, a także sprzedaż wspólnych narzędzi wielu producentom robotów.

Najważniejszy test dopiero przed firmą

Strategia WUWENAI rozwiązuje problem skali na poziomie koncepcji: rzeczywistość dostarcza wiarygodnego punktu odniesienia, a symulacja umożliwia szybkie mnożenie doświadczeń. O sukcesie zdecyduje jednak nie liczba wygenerowanych godzin, lecz ich użyteczność.

Prawdziwym sprawdzianem będzie to, czy symulator potrafi trafnie przewidywać złożone kontakty fizyczne i zadania wymagające wielu kolejnych kroków — oraz czy polityki wytrenowane wirtualnie przenoszą się w sposób powtarzalny na różne roboty, obiekty i środowiska.