什麼是物理人工智慧？有了實體的人工智慧開始在現實世界中發揮作用。
物理人工智慧是人工智慧的一個領域，它可以識別現實世界並透過移動身體來運作。與在螢幕上生成文字和圖像的人工智慧不同，它需要在具有物理規律和不確定性的現實中產生結果。 EmplifAI 正在透過開發我們自己的人形機器人 OpenShell 致力於該領域的社會實施。
諮詢物理AI開發
物理AI的意義
物理人工智慧是一個術語，指的是透過身體來識別現實世界、做出決策和工作的人工智慧。它用攝影機和距離感測器捕捉周圍環境，決定下一步採取什麼行動，並移動手臂、輪子和腿來影響物體和人。如果換個說法，“有身體的人工智慧”，可能會更容易理解。
近年來它之所以迅速引起人們的關注，是因為大規模模型現在可以應用於機器人控制。到目前為止，機器人的動作必須由人類針對每項任務進行詳細編程。在實體人工智慧中，透過向人們展示他們正在做什麼來學習動作，或根據口頭指示產生動作變得更加現實。
然而，這個領域並不像產生人工智慧那麼容易。如果你正在生成句子，即使你得到一些奇怪的輸出，你也可以重寫它。真身無法重塑。如果您將東西掉落在其上，它可能會破裂，如果您撞到某人，則可能會很危險。物理AI的困難在於確保它在這種「不可逆轉」的情況下發揮作用。
與AI世代的差異
即使是相同的人工智慧，根據目標不同，所需的技術和評估方法也會有所不同。
所要處理的對像是現實。
一代AI的輸入和輸出都是數據。物理AI的輸出是物理運動，這取決於摩擦、重量、偏轉和滑動等條件。相同的指令不會每次都產生相同的結果。
失敗的成本很高
您可以重寫文本，但無法恢復遺失的內容。確保安全性和可重複性與效能同樣重要，甚至更重要。
訓練資料不足
與互聯網上提供的大量文字和圖像不同，您別無選擇，只能自己收集機器人運動數據。資料收集本身就是開發的重要組成部分。
不允許延誤
控制有固定的週期。如果反應遲緩，姿勢就會崩潰，動作就會失敗。平衡計算量和反應速度是設計限制。
評估取決於領域
實際領域的成功率比基準數字更有意義。如果環境發生變化，例如照明、地板表面和人的動作，結果也會改變。
與機身設計密不可分
您可以學到的內容會根據您使用的手類型以及您擁有的自由而變化。軟體不能孤立地開發。
支援物理人工智慧的技術
這就是EmplifAI實際上正在研究的基礎技術。
- 模仿學習
- 一種從人類執行的任務演示中學習機器人動作的方法。我們不是把動作寫在程式中，而是透過示範來教他們。
- VLA（Vision-Language-Action）
- 將視覺和語言理解與動作生成連結的模型。根據口頭指示和眼前的情況決定下一步。
- Sim2Real
- 一種將透過模擬學習和驗證的控制權轉移到實際機器的方法。設計時需考慮摩擦力、質量、感測器誤差和通訊延遲等差異。
- 遠端控制/智真
- 將操作員的身體動作和意圖即時傳輸給機器人的技術。它既可以用於自動化之前的實際操作，也可以用於收集學習資料。
- 訓練資料的收集
- 設計目標工作、設備、收集量和品質標準，並使用實際設備取得資料的流程。這將成為物理人工智慧開發的基礎。
- ROS 2 / LeRobot
- 用於實現機器人控制和學習的基礎。設計包括與現有飛機SDK的連接。
應用於人形機器人
類人機器人作為物理人工智慧的潛在來源而引起人們的注意。原因很簡單：您可以原樣使用為人們創建的環境。與專用機的不同之處在於，無需安裝新的專用設備即可帶到現場。
OpenShell由EmplifAI開發，是一款28軸人形機器人，結合了富有表現力的頭部、雙臂和手推車。我選擇這種配置是為了同時研究工作能力和如何與人互動。擁有面孔可以讓人們更輕鬆地與您交談並傳達您的意圖。雖然這沒有出現在性能表中，但是在有人在場的工作場所中絕對是有效的。
在實施某件事時，從遠端控制開始，逐步擴大自動化範圍，比一開始就瞄準完全自動化更為現實。學習數據隨著站點的遠端操作而積累，這些數據成為自動化的材料。
支援物理AI開發
OpenShell
內部開發的人形機器人。列出了作為研發平臺的規格。
Sim2Real 開發支援
使用 NVIDIA Isaac Sim/Isaac Lab 提供從模擬到實際設備驗證的開發支援。
機器人學習資料採集合約
我們承擔從條件設計到交付的模仿學習和操作驗證所需的資料收集。
機器人學習資料採集套件
我們將提出資料擷取環境的配置，包括遠端控制設備、攝影機和記錄電腦。
機器人 SI/介紹支持
從AI機器人的選型到導入、運營，我們提供一致的支援。
成果/案例研究
我們正在發布模仿學習、VLA 實施和遠距/身體共享遠距呈現等措施。
常見問題
實體人工智慧和機器人技術有什麼區別？
機器人技術泛指機器人技術，包括機械裝置、控制裝置和感測器。物理人工智慧這個術語強調人工智慧在識別現實世界和決定行動方面的作用。兩者並不矛盾；物理人工智慧建立在機器人技術的基礎上。
物理人工智慧現在可以應用在實踐上嗎？
這取決於目的。雖然在完全取代人類工作之前還有很多問題需要解決，但在「與人互動」本身就有價值的應用中，例如客戶服務、引導、吸引客戶，以及涉及遠端控制的操作中，目前已經可以投入實際使用。
你能讓機器人學習你的工作嗎？
這取決於目標工作。首先，組織你的工作，看看是否可以獲得演示數據並定義評估指標。從專注於一項任務的 PoC 開始是安全的。如果您讓我們瞭解目標工作和當前情況，我們將建議如何進行。
我需要多少訓練資料？
這取決於任務的難度、環境的變化程度以及期望的成功率。我們首先進行測試採集，確定所需的數量和品質標準，然後進行實際採集。
我該從哪架飛機開始？
對於研發來說，使用相容二次開發的模型和SDK會更容易。我們將推薦實際用於驗證的飛機，例如Unitree G1和OpenShell。您也可以租用並試用後再決定。
物理AI開發諮詢
請告訴我們目標機器人、您想要完成的工作以及您目前的開發環境。即使需求和技術選型尚未確定，您也可以向我們諮詢。也可以從一項任務的 PoC 開始。
諮詢物理AI開發