Чи може ваш ШІ створити робота?

З огляду на стрімкий розвиток штучного інтелекту в повсякденному житті, автоматизація програмування стає все більш поширеною. Потужні системи ШІ, відомі як кодові агенти, здатні писати та редагувати комп'ютерні програми майже автономно.

Проте що відбувається, коли агент ШІ має мати справу не лише з цифровими командами, а й з фізичним світом робототехніки? Як з’ясувалося, дослідники з Гарвардського університету та Університету Джорджії Тех застосовують систематичний підхід до цього питання.

Команду очолюють На Лі, професор електротехніки та прикладної математики, та Бо Дай, доцент у Джорджії Тех. Вони розробили інструмент оцінювання, відомий як бенчмарк, який тестує, наскільки добре кодові агенти можуть виконувати складне завдання — інженерію реального фізичного робота. У команду також входять аспіранти Гарварду Хайтонг Ма та Ченсяо Гао, а також Руші Цянг з Джорджії Тех.

Цей бенчмарк, відомий як RLE-Bench, схожий на стандартизований тест для ШІ, що навчає інженера-робота. Ця роль поєднує машинне навчання, робототехніку, контроль, програмне забезпечення та апаратуру.

Новий бенчмарк містить 48 завдань, які перевіряють, чи можуть універсальні кодові агенти виконувати інженерну роботу, необхідну для створення й експлуатації роботизованих систем. Завдання варіюються від розробки алгоритмів управління та сприйняття до проектування апаратного забезпечення і інтерфейсів.

На думку Лі, бенчмарки важливі, адже вони дають спільноті спільний інструмент вимірювання, що дозволяє порівнювати системи за однаковими умовами та визначати, де залишаються важливі розриви в можливостях. «Робототехніка вже має багато цінних бенчмарків, але більшість зосереджені переважно на навчанні та оцінюванні контрольних політик. RLE-Bench розглядає більш широку картину. Чи може система ШІ виконувати різноманітні інженерні завдання, необхідні для функціонування роботизованої системи?», — підкреслює він.

RLE-Bench організовує завдання в чотири основні області: інтерактивне управління, розробка політики, сприйняття та оцінка, механічний дизайн. Вони перевіряють не лише здатність агента генерувати код, але й його здатність міркувати про сприйняття, динаміку, стабільність, апаратні обмеження та взаємодію між програмним забезпеченням і фізичним світом.

Завдання виконуються в симульованих середовищах, де агенти можуть генерувати, виконувати, перевіряти та уточнювати свої рішення. Але проблеми ґрунтуються на фізичних обмеженнях. Наприклад, дизайн, який виглядає функціональним, може виявитися нестабільним після додавання вантажу або зазнати невдачі, якщо агент неправильно врахував масу, момент чи геометрію.

В одному з прикладів завдання агент повинен спроектувати універсальну мобільну базу для кількох роботизованих рук, яка має досягати об'єктів на різних висотах на полиці. Запропонований дизайн може дозволити руці досягати кожної цілі, але при цьому провалити певні тести стабільності, якщо весь робот перевернеться.

«Саме тут фізичне міркування стає критично важливим», — говорить Ма. «Агент може створити щось, що виглядає розумним з обчислювальної точки зору, але як тільки врахувати фізику всієї системи, можуть з'явитися важливі режими відмови». RLE-Bench є відкритим програмним забезпеченням і доступним для публіки, що дозволяє дослідникам оцінювати нові системи ШІ за спільним набором завдань.

Дослідники вважають поточний реліз основою для більш широкого бенчмарка спільноти. Інженери-роботи працюють над багатьма проблемами, які ще не представлені в RLE-Bench, включаючи нові форми проектування апаратного забезпечення, симуляцію, інтеграцію систем, налагодження, безпеку та впровадження.

«RLE-Bench 1.0 — це лише початок», — говорить Лі. «Ми сподіваємося, що дослідники та практики робототехніки внесуть завдання, основані на інженерних проблемах, з якими вони стикаються у своїй роботі. Наша мета для RLE-Bench 2.0 — відобразити набагато ширшу картину того, що має робити система ШІ, щоб функціонувати як інженер-навчання робота».