Will Knight vil ha en robot som kan mate katten hans. WIREDs seniorjournalist, som dekker kunstig intelligens, har en bengalkatt som heter Leona og en plan: en liten, gående robot som finner henne, bøyer hodet og slipper en godbit ut av et rom som er laget for å sitte oppå roboten. Godbiten er ikke nyheten. Nyheten er at roboten allerede fungerer i programvare, og at en KI-modell gjorde det meste av treningsarbeidet en robotingeniør vanligvis ville utført for hånd.

Roboten er en virtuell Microduck, den andeformede tobeinte roboten fra Pollen Robotics, robotikksatsingen til Hugging Face. Knight lærte den å gå rundt i et rom uten å velte og å finne bengalkatter i nærheten. Han sier jobben tok noen timer, mens den tidligere kunne ha tatt flere uker. I spalten sin omtaler han dette som robotikkens framtid. Det er bare halvveis riktig. Selve treningssløyfen har blitt kraftig forkortet. Det som befinner seg på hver side av sløyfen, har knapt endret seg.

Dette gjorde modellen faktisk

Knight koblet OpenAIs GPT-6 Sol sammen med Hermes, et agentrammeverk fra Nous Research, og kjørte det på en Nvidia DGX Spark, en stasjonær maskin bygget rundt en kraftig KI-brikke. Modellen gjorde mer enn å skrive kode. Via Nvidia Isaac Sim sendte den instruksjoner til modellen som styrte den simulerte anda, så video av anda i aksjon, vurderte hvordan det gikk og foreslo endringer i treningsopplegget. Kjør, se, juster, gjenta: Det er den langsomme, lite glamorøse delen av robotlæring, og det er nettopp den som nå er automatisert.

Profesjonelle laboratorier melder om den samme utviklingen. Ved UC Berkeley ga professor Ken Goldbergs gruppe OpenAIs Astra-modell tilgang til et Nvidia-verktøy kalt Newton, viste den et klipp av en ekte robot og ba den gjenskape scenen som en simulering. «Det som slo oss alle, var at den i løpet av en time hadde laget en fullstendig 3D-simulering med alle parameterne på plass – kameravinkel, lyssetting, bakgrunn og alle materialene», sa Goldberg til WIRED. Astra kan også kjøre eksperimentene og undersøke resultatene, sier han, noe som overtar mye av det møysommelige arbeidet med å trene en robot i simulering.

Metoden har nå fått et navn. ASPIRE er et rammeverk der en stor språkmodell skriver styringskoden til en robot, leser sporene fra kjøringen når noe går galt, reparerer programmet og legger den fungerende løsningen i et ferdighetsbibliotek som senere oppgaver kan bruke. Blant forfatterne står Goldberg og Jim Fan fra Nvidia. Fans laboratorium hos Nvidia publiserte versjon 1.0 av koden på GitHub under Apache 2.0-lisensen i midten av oktober, ifølge ToolNavs og RuntimeWire. I én demonstrasjon lærer robotarmer å løse en Rubiks kube. «Den plukker den opp og prøver å vri den, men vinkelen er feil», sa Fan til WIRED. «Så resonerer den veldig, veldig lenge, men til slutt klarer den å løse den fordi den lærer ferdighetene over tid.»

Ferdigheten som ble billig, er leid

Her er det «vibe-robotikk»-fortellingen hopper over. ASPIRE-artikkelen sier rett ut at ytelsen skalerer med grunnmodellen i front. Med Anthropics Claude Opus 5.5 rapporterer den en gjennomsnittlig suksessrate på 99 prosent på alle de 80 manipuleringsoppgavene i LIBERO-Pro. Dette er et tall prosjektet selv oppgir, og det er ennå ikke blitt gjenskapt uavhengig. Prosjektets egen liste over begrensninger sier at systemet er avhengig av en fryst frontmodell, og at det ikke er verifisert om mindre modeller kan opprettholde den samme feilsøkingssløyfen.

Følger man dette resonnementet videre, lærer hobbyistens and og Berkeley-laboratoriets robotarm nå omtrent like godt som den store modellen de har tilgang til. Den tekniske ekspertisen som tidligere var en terskel for robotikk, har ikke forsvunnet. Mye av den er nå samlet i den frontmodellen utvikleren har råd til å bruke.

Anda står fortsatt i kø

Den andre siden av sløyfen er maskinvaren, og Knight venter fortsatt på sin. Pollen åpnet for forhåndsbestilling av Microduck til 399 dollar i slutten av august, med levering før jul som mål. Business Insider meldte, med henvisning til Hugging Face-medgrunnlegger Thomas Wolf, at bestillingene passerte 2,6 millioner dollar det første døgnet. Kort tid etter ble leveringstiden for nye bestillinger endret til fire–seks måneder. Gadget Flow melder at nettbutikken nå varsler at dagens forhåndsbestillinger ikke blir sendt før etter april 2027. Trening i simulering er den planlagte framgangsmåten: Pollen legger opp til at eierne trener roboten på en virtuell and og overfører atferden til den fysiske roboten. Men en styringsmodell som venter på en kropp, har ennå ikke møtt et teppe, et sofaben eller en katt som ikke vil samarbeide.

Knight er åpen om resten også. Synssystemet på anda hans, skriver han, fungerer ikke godt nok til å brukes i et faktisk produkt. Da han matet modellen med en GIF av Michael Jackson for å lære den moonwalk, resulterte flere timers innsats i det han beskriver som en svært spenstig baklengsjogg. Forfatterne av ASPIRE peker på den samme typen mangler når systemet skal tas i bruk i virkeligheten: pålitelig registrering av om en oppgave er fullført, trygge tilbakestillinger, sikkerhetsovervåking og kalibrering. Alt dette handler om å vite hva som faktisk skjedde i et fysisk rom – og det er nettopp det en simulator ikke kan fortelle deg.

Hvor pengene går

Interessen lar seg ikke bremse av dette. Goldberg sier at flere selskaper innen industrirobotikk og automatisering har vist interesse for metoden, og Knight mener farten snart kan få stor betydning for produksjon og netthandel. På Conference on Robot Learning i Austin denne uken brukte Fan hovedinnlegget sitt til å vise Astra styre en robotarm og male Golden Gate Bridge med maling og pensler som lå i nærheten.

Konsekvensen er at feilene flytter på seg. Når det tar timer i stedet for uker å trene opp en robotatferd, kommer teamene til å trene langt flere av dem. Da blir det knappeste leddet å bevise hvilke som er trygge utenfor simulatoren. En godbit som bommer på skålen til Leona, er en billig måte å lære den leksen på. En lagerarm som kjører en modellskrevet ferdighet ingen har testet ute på det virkelige gulvet, er en dyr en.

Tagger: Nvidia, Hugging Face, Microduck, Pollen Robotics, roboter

Robotikkens fremtid: journalisten Will Knight lot KI trene en virtuell Microduck til å finne katten hans

Dette gjorde modellen faktisk

Ferdigheten som ble billig, er leid

Anda står fortsatt i kø

Hvor pengene går

Mer som dette

Hugging Face satser på at en and til 399 dollar vil bevise at fysisk KI hører hjemme, ikke på laboratoriet

Nvidias GR00T 2 lærer roboter en oppgave på fem demonstrasjoner og lykkes i 95 prosent

Mark Zuckerberg om Muse Charm: «Vi har pakket mye teknologi inn i denne lille karen»

Netflix-dokumentaren «Øyeblikksbilder: KI på ville veier» viser hvordan OpenAIs testagenter brøt seg inn hos Hugging Face

Meta bygde den humanoide roboten Max på tre måneder, men vil ikke selge den

Taus humanoide roboter vasker hjemmet ditt for 100 dollar, men et menneske styrer dem

Diskusjon