На конференцията GTC в Берлин главният изпълнителен директор на NVIDIA, Дженсън Хуанг, показа малките двуноги роботи Microduck, създадени от Hugging Face и френската Pollen Robotics. По време на презентацията роботите самостоятелно се качваха на сцената и следваха командите на Хуанг – сядаха, ставаха и дори заспиваха.

Зад забавната демонстрация стоеше много по-сериозна технология. NVIDIA показа как AI-агентите могат да помогнат за обучението на физическите роботи, използвайки цифрови симулации. Това се прави с помощта на Isaac Lab, Isaac Sim и физичния енджин Newton, които позволяват първо да се упражнява поведението на робота във виртуална среда и едва след това да се прехвърлят получените модели върху реалното оборудване.

Как изкуственият интелект обучава роботи?

По време на демонстрацията, Хуанг показа видеоклип на AI-агент, създаващ тренировъчната среда Microduck и изпълняващ виртуално копие на робота в Isaac Sim. След това изчислително сложният процес на обучение е извършен с помощта на облачните ресурси на NVIDIA.

Полученият модел е тестван на RTX Spark, след което наученото поведение е пренесено върху физически Microduck. Този подход е позволил значително да се намали броя на експериментите върху реални роботи и първо да се тестват уменията им в симулация.

Hugging Face публикува и техническо описание на процеса. Разработчиците могат да обучават Microduck в хиляди паралелни симулации, след което да експортират обучения модел във формат ONNX и да го стартират директно върху физически робот.

Какво е Microduck?

Microduck е двукрак робот, създаден от Pollen Robotics и Hugging Face за разработчици и студенти. Той е висок приблизително 25 сантиметра и тежи по-малко от килограм.

Основната му особеност е отвореността на платформата. Потребителите могат да обучават робота на нови физически умения, да променят поведението му и да споделят свои собствени модели с други разработчици.

RTX Spark и локалния изкуствен интелект

NVIDIA се фокусира върху платформата RTX Spark, която е позиционирана като нов клас Windows персонални компютри за локално изпълнение на AI-модели и агенти. Системите могат да получат до 128 GB комбинирана памет и до 1 петафлоп AI производителност.

Демонстрацията на Microduck обаче не означава, че целият процес на обучение на робота е извършен локално на RTX Spark. Най-трудните изчисления се извършват в облака, докато RTX Spark е използван за работа с моделите и валидиране на резултатите.

От генеративния изкуствен интелект към физическия свят

Демонстрацията на Microduck показва една от насоките, в които NVIDIA планира да развива изкуствения интелект – физическия ИИ. Това са системите, които не просто генерират текст, изображения или код, но могат да възприемат околния свят и да управляват физически устройства.

Комбинирането на ИИ агентите, симулациите и локалния хардуер би могло потенциално да създаде роботи, които могат сами да научат по-сложни умения и да ги прехвърлят от дигиталния свят в реалния. Ето как NVIDIA вижда следващия етап в роботиката и агентно-базирания ИИ.