Talla Deepu副总裁媒体圆桌会
"自动驾驶、物流机器人处于初步应用阶段"
"通用模型的准确度是最大瓶颈"
英伟达评估认为，自动驾驶汽车和物流机器人等部分物理人工智能技术已进入初步商业化阶段。另一方面，可执行家务等多种任务的通用人形机器人仍面临较大的技术局限。
英伟达机器人与边缘人工智能副总裁 Deepu Talla 9日在首尔江南区 COEX 举行的物理人工智能媒体圆桌会上表示：“物理人工智能和机器人要实现数百万台、数千万台规模的应用，必须克服五项挑战。目前最大的问题是确保通用模型具备执行多种任务所需的准确度。”
英伟达机器人与边缘人工智能副总裁 Deepu Talla 9日在首尔江南区 COEX 举行的物理人工智能媒体圆桌会上回答记者提问。记者 Jang Bogyeong供图。
View original imageTalla副总裁提出的五项条件是智能与准确度、可靠性、安全性、经济性和亲和性。他解释说，机器人不仅要能够理解并执行多种任务，即使重复执行同一任务，也必须持续产出一致的结果。他强调：“如果第一次尝试成功，那么10分钟后再次尝试同一任务时，也必须同样成功。”
尤其是实现通用性，被指出是最大的技术瓶颈。现有工业人工智能模型侧重于在固定环境中执行特定任务，因此工作条件一旦变化，往往就无法正常运行。在制造现场或商店等人员和物品不断移动的非结构化环境中，这一局限更加明显。
Talla副总裁将物理人工智能的技术发展水平比作100米赛跑。他解释说，想在奥运会上夺金，需要跑进9秒，但首先必须跑进10秒以内才能通过预赛。他表示：“可以说，过去一年间，部分物理人工智能应用领域已达到‘10秒’水平。这意味着它们已接近能够初步商业化的程度，并不意味着技术已成熟到足以夺金。”
自动驾驶是其中的典型案例。Talla副总裁表示：“最近我驾驶了特斯拉等自动驾驶汽车，技术已经发展到可以轻松行驶约3至5小时的程度。”不过，他也指出：“考虑到技术必须能在不同城市运行，还需要相关法规配套，仍有很多东西需要学习。”
他还将能够在物流仓库和工厂内把货物从一处运往另一处的自主移动机器人列为可实现初步商业化的领域。Talla副总裁介绍说，近期在仓库和工厂中接触到自主移动机器人的案例较前一年增加了约10倍。他还认为，在制造现场使用一两只机械臂将物体拿起并放到其他位置的“拾取与放置”（Pick and Place）作业，以及图像分析技术，也已接近商业化门槛。
不过，通用人形机器人的情况有所不同。Talla副总裁解释说：“机器人的大脑还没有发展到能够精细控制手指的程度，仍有很多方面需要研究。”
为克服这些技术局限，英伟达正在提升通过模拟和合成数据技术在虚拟环境中训练机器人的能力。在真实工厂或物流仓库中反复测试机器人，不仅成本高，还可能发生安全事故或设备损坏。相比之下，在通过数字孪生构建的虚拟环境中，可以同时模拟各种情境，并反复验证机器人的反应。
Talla副总裁解释说：“与在真实环境中测试机器人相比，利用模拟技术要快得多，也更安全；还可以并行开展多项测试并生成数据。”英伟达通过用于理解物理世界的人工智能模型平台 Cosmos，以及机器人开发框架 Isaac，为此类训练环境提供支持。
以开放方式提供人工智能模型，也是为了加快技术发展。英伟达公开模型权重、训练数据和训练方法等内容，以便企业添加自有数据，开发符合自身需求的模型。Talla副总裁解释说：“这样一来，企业就能节省相较于从头开发模型所需的计算成本和时间。”
他强调：“物理人工智能是单靠一家企业难以解决的问题。准确度和可靠性等方面仍有许多问题尚未解决，因此我们提供开放模型，努力与各方携手，更快找到解决方案。”
版权所有 © 阿视亚经济。未经许可不得转载，禁止用于AI训练及使用。
