Почему роботы, которые не могут общаться с органами власти, не будут задействованы в вооружении

Что роботы-гуманоиды могли действовать во втором мире, им нужно нечто большее, чем просто зрение. | Источник: Adobe Stock

На недавних крупных технологических мероприятиях вокруг роботов-гуманоидов. Некоторые из них ходили, ориентировались и манипулировали объектами с таким уровнем ловкости, которая всего несколько лет назад показалась нереальной. И все же, несмотря на весь этот прогресс, я постоянно чувствую себя неудовлетворенным, когда пытаюсь общаться с ними в Treble.

Поддержка развития передовых аудио- и голосовых технологий уже является основным адаптером компании Treble. Мы уже создаем международную аудиосистему для ведущих мировых продуктов. Поэтому, естественно, моя точка зрения формируется именно этим. Тем не менее, мне кажется, что окончательно неразвитой остаётся коммуникация и слуховое восприятие в робототехнике.

Мы строим удивительные машины, которые могут двигаться так же, как мы, и во многих моделях продвигаются лучше нас. Но эти машины пока не могут взаимодействовать с нами таким образом. По моему мнению, это главная проблема, которая может определить, действительно ли эта технология будет принята.

На моем взгляде взаимодействие человека и машины станет определяющим объектом для широкого распознавания роботов людей, поскольку оно сильно влияет на затенение, безопасность, эффективность и простоту использования.

Реальный мир шумный, сложный и хаотичный

п>

Гуманоиды и, говоря более простым языком, мобильные физические ИИ, вряд ли будут привлечены к этому людьми, пока они не смогут эффективно общаться с помощью голоса. И не только в контролируемой, тихой работе, но и в местах, где разворачивается реальная жизнь.

Сюда включают ограничения выставочных залов, промышленных помещений, городских улиц и домов, наполненного шума, движения источников звука, реверберации и непредсказуемости. Это среда, в которой работают люди, и это именно та среда, в которой современные встроенные аудио- и голосовые системы искусственного интеллекта начинают постепенно выходить из строя.

В то же время совершенно понятно, почему звук не был в центре внимания. Текущая конкурентная среда в робототехнике вознаграждает видимый, измеримый прогресс.

Передвижение — явный сигнал прогресса. Восприятие, основанное на видении, имеет за собой зрелую и мощную экосистему, рекомендующую большое количество данных, хорошо задаваемых самими моделями и масштабируемыми конвейерами обучения.

Весь стекл, полученный на основе данных для анализа, был разработан для поддержки этих методов. Данных много, контрольные показатели блестят, улучшение легко продается.

В частности, моделирование стало краеугольным камнем прогресса. Такая платформа, как NVIDIA Isaac Sim, представляет собой циклическую итерацию и крупномасштабное обучение, которые ранее были невозможны. эти мощные, хорошо распределенные системы и соответствуют более развитым экономическим наукам.

Они также раскрывают кое-что важное. Среда, которую мы используем для обучения интеллектуальных машин, подавляет большинство визуальных эффектов. Но они по большей части молчат.

Это не случайность. Он отражает набор рациональных решений, принятых в условиях ограничения, включая ограничения вычислительных ресурсов, инженерную пропускную способность и необходимость установления приоритетов в отношении того, что можно решить. Это также означает, что все аспекты восприятия и взаимодействия систематически недостаточно развиты.

п>

Требл исследует эволюционный разрыв

Глядя на эту призму растительного происхождения, разрыв становится еще очевиднее. Сначала я учился на биолога. После некоторых неожиданных поворотов мне удалось создать аудиотехнологию, я до сих пор думаю об этом с помощью последовательной и эволюционной точки зрения.

На протяжении тысячелетий люди эволюционировали, чтобы использовать количество энергии для обработки сенсорной информации. Зрение доминирует в этой распределении, на него приходится большая часть сенсорной нагрузки на мозг. Слух, напротив, потребляет меньше. Тем не менее, она по-прежнему представляет собой вторую по величине долю, примерно от 15% до 20%, в зависимости от контекста.

Поэтому вполне логично, что зрение стало возможным методом с использованием осторожной робототехники. Но тот факт, что слух является вторым по энергоемкости чувством, говорит вам о чем-то важном. Он указывает на важный звук для изменения в первом мире, особенно в легкой среде.

В жестоких расчетах человеческая человеческая энергия никогда не тратится зря. Такое распределение от 15% до 20% — не случайность, а прямой результат естественного отбора, оптимизирующего наш вид на выживание, процветания и процветания на планете Земля. Это должно стать намеком для робототехники. Если биологическому интеллекту нужна такая широкая полоса пропускания слуха только для того, чтобы ориентироваться и выжить в более низком мире, без него кремниевый интеллект не добьется успеха.

Сосредоточение внимание только на то, сколько энергии потребляет система, запускает из виду более серьезный вопрос: для чего на самом деле используется система? Слух играет принципиально иную роль, чем зрение. Это имеет решающее значение для того, как мы интерпретируем намерение, проявляем осознанность в отношении наших полей зрения и, что наиболее важно, общаемся.

С помощью звука мы делаем вывод о том, что, по-видимому, что-то или удалено, является ли голос спокойным или враждебным, а также является ли окружающая среда безопасной или непредсказуемой. Он действует как постоянно активный уровень восприятия, который максимально дополняет зрение.

Более того, он лежит в основе человеческого общения. слово – это не просто последовательность слов. Это сложный обмен синхронизацией, ритмом, микроинтонациями и эмоциональными сигналами. Он по своей сути динамичен и успешен надежен.

Люди могут эффективно общаться в шумной, реверберирующей и хаотичной среде, извлекая смысл из звука с таким уровнем устойчивости, который современные системы все еще пытаются соблюдать. Для роботов эта возможность очень важна.

Зарегистрируйтесь сейчас и сэкономьте на пропуске в RoboBusiness 2026

Существует ли еще более стандартный звук?

Люди извлекают выгоды из общей биологии и глубоко укоренившихся социальных моделей. Мы компенсируем недостатки в общении друг с другом, потому что мы понимаем систему, часть которой являемся. У роботов такого преимущества нет. В результате к ним применяются другие стандарты, особенно на ранних этапах развития.

Робот, который движется неидеально неидеально, все равно может восприниматься как функциональный. Робот, который, например, плохо общается, неправильно слышит, реагирует несинхронно или не может работать в собственных акустических условиях, быстро начинает раздражать или даже тревожить.

Проблема не только в технических характеристиках. Это подрыв доверия. Вот почему аудио становится непропорциональным в условиях экономического развития. Мы измеряем роботов не только с учетом их возможностей, а по тому, каково с ними взаимодействовать. Взаимодействие, свое по сути, глубокое слуховое.

Причина, по которой эта проблема не решена, заключается не в недостаточной информированности, а в отсутствии работы. Высококачественные аудиоданные трудно получить и еще труднее масштабировать. В отличие от визуальных данных, их нельзя просто изменить и пометить в масштабе, не теряя при этом важного контекста.

Пространственные ограничения, акустика, окружающая среда и характеристики устройства — все это играет решающую роль в восприятии звука. Сбор и аннотирование этой информации в изначально сложных условиях и дорогах.

Имитация открывает путь вперед, но есть и свои проблемы. Звук регулируется волновой физикой, что делает его очень чувствительным к физике, материалам и условиям окружающей среды. Небольшие изменения на сцене могут привести к большим различиям в восприятии. Это делает точное моделирование точным и трудным для аппроксимации.

В результате многие современные системы полагаются на упрощенные или нефизические модели, что ограничивает их возможность к обобщению. Это основная причина, почему аудио отличается от других методов разработки синтетических обучающих данных.

Treble меняет парадигму

п>

Однако ситуация начинает меняться. Высокие частоты — это часть растущего движения в сторону точного физического моделирования звука как основы для обучения аудиосистемы. Вместо того, чтобы полагаться на приближение или ограниченный набор приведенных данных, теперь становятся возможными крупномасштабные акустические данные с высоким уровнем, которые отражают реальные условия. Сюда входит акустика окружающей среды, поведение устройства и пространственное восприятие.

В Treble это внимание. Мы создаем платформу, специально предназначенную для обработки физических точных акустических данных с чрезвычайно низким разрывом между симуляцией и реальностью. Его уже используют несколько ведущих технологических компаний мира для разработки и обучения аудиосистем. То, что было узким изображением, становится масштабируемым компонентом стека ИИ.

Для робототехники это точка перегиба. На данный момент стороны стремятся к соответствующему компромиссу. Основное внимание уделялось видению и движению, поскольку именно в этих областях прогресс был наиболее достигнут. Но в меньшей степени, как только эти способности осознаются, они становятся отличительными чертами.

Роботы будут все больше приближаться к тому же уровню зрительного восприятия и физических возможностей. В этот момент ограничительный фактор сместится. Больше будет идти речь не о том, можно ли роботу воспринимать мир, а о том, сможет ли он взаимодействовать с ним так, чтобы это имя было ожидающим людей. И это взаимодействие будет сильно защищено от звука.

Я считаю, что успех роботов в конечном итоге будет развиваться не только от того, что сегодня хорошо продвигаются и постепенно хорошо они двигаются, но в какой-то степени они двигаются от того, постепенно, естественно и понятно с ними общаться. Они умеют действовать в акустической среде, четко понимать речь, реагировать в нужное время и тоном и использовать методы, которые люди инстинктивно понимают.

Требл активно ищет возможности сотрудничества с командами в области робототехники и интеллектуального искусственного интеллекта, которые осознают этот сдвиг и хотят двигаться в этом направлении. Существует возможность создать системы нового класса, машины, которые не просто функционируют в легкой среде, но и по-настоящему интегрируются в нее.

Разница между работающим роботом и выполняемым роботом не будет незначительной. Во многом это будет зависеть от того, как он общается. И это, по сути, аудиально.

Об авторе

Гуннар Петур Хаукссон — сооснователь и коммерческий директор компании Treble Technologies. Он имеет более чем десятилетний опыт работы в сфере управления продажами и маркетингом, предпринимательства и развития бизнеса.

Рейкьявик, Исландия. Компания Treble предлагает высокоточную инфраструктуру акустического моделирования, которая позволяет передавать звук из симуляций в реальный мир — находиться в зданиях, устройствах, транспортных средствах или интеллектуальных машинах.

Пост «Почему роботы, которые не умеют общаться подобным образом, не будут задействованы вооружения», впервые появился в The Robot Report.

Источник