Cirka två minuter · kostar inget · inga förpliktelser
CorpusMarket Robotik
Vad är fysisk AI (physical AI)?
Fysisk AI, på engelska physical AI, är artificiell intelligens som agerar i den verkliga världen genom en maskin, till exempel en robotarm, en humanoid eller en självkörande bil. Det är samma slags inlärning som gav oss chattbotarna, men här används den på ett mycket svårare problem. Det som saknas är exempel på fysiskt arbete.
Av Linus Näslund, Co-Founder
- Kostar inget att anmäla sig
- Inget delas innan vi har pratat
- Svar inom två arbetsdagar
Innehåll07
Vad physical AI är, med enkla ord
Fysisk AI (physical AI) är programvara som ser världen genom sensorer och påverkar den genom en maskin. En kamera visar ett stökigt bord. Modellen bestämmer vilket föremål som ska plockas upp och hur. Motorer utför rörelsen. Sedan börjar det om, många gånger i sekunden.
Ordet ”AI” är viktigt här. Beteendet är inlärt från exempel, och ingen skriver ner varje rörelse för hand. Ordet ”fysisk” är lika viktigt. Resultatet är en rörelse som får följder, till exempel en kopp som greppas, en ratt som vrids eller en dörr som öppnas.
Mer definition av fysisk AI än så behöver de flesta inte. Resten av sidan handlar om vad som utmärker den, hur den ser ut i praktiken, vilka som bygger den och varför utvecklingen hänger på träningsdata för robotar.
Skillnaden mot en chattbot och mot industriautomation
En chattbot tar in text och ger text tillbaka. Blir en mening fel frågar man igen. Fysisk AI tar in kamerabilder och ger rörelse tillbaka, och världen ger inget andra försök. En tappad tallrik är och förblir trasig.
Den andra skillnaden är var kunskapen kommer ifrån. Chattbotarna lärde sig av den enorma mängd text som redan fanns på internet. Det finns inget motsvarande arkiv över vad händerna gör när någon kopplar in ett eluttag eller lägger upp en maträtt.
Fysisk AI skiljer sig också från de robotar som har arbetat i fabriker i årtionden. En klassisk industrirobot upprepar en programmerad bana med stor precision. Den svetsar samma fog på samma detalj i samma läge, bakom ett stängsel, och den stannar om något ligger fel.
| Klassisk industriautomation | Chattbot | Fysisk AI | |
|---|---|---|---|
| Tar in | Fasta positioner, enkla sensorer | Text | Kamerabilder, sensorer, instruktioner |
| Ger ifrån sig | Samma rörelse varje gång | Text | Rörelse som anpassar sig |
| Hur den blir till | Programmeras av ingenjörer | Lär sig av text på internet | Lär sig av inspelningar av fysiska arbetsmoment |
| Klarar överraskningar | Nej | Bara i ord | Det är målet, men det är inte nått än |
Löftet med fysisk AI är en maskin som klarar sig när detaljen ligger snett, när kartongen är trasig eller när köket är ett som den aldrig har sett. Det löftet är bara delvis infriat i dag.
Fysisk AI och embodied AI
De två begreppen beskriver nästan samma sak, och man stöter på båda.
Embodied AI är det äldre uttrycket från forskningen. Det betyder intelligens som finns i en kropp och lär sig genom att agera, till skillnad från ett program som bara läser och skriver. En del robottillverkare använder det i dag. Figure skriver till exempel om embodied AI när företaget beskriver sitt arbete med humanoider.
Physical AI, fysisk AI, är den nyare beteckningen och den som branschen nu använder mest. NVIDIA använder den brett, om autonoma maskiner som uppfattar, förstår och agerar i den fysiska världen, och räknar in fabriksrobotar, robotaxibilar, lagerrobotar och humanoider.
Om det finns en skillnad i användningen ligger den i betoningen. Embodied AI betonar kroppen och inlärningen. Physical AI betonar hela fältet, med chipen, simulatorerna och fordonen. Den som vill sätta sig in i ämnet kan betrakta dem som samma sak.
Exempel på fysisk AI, kategori för kategori
- Humanoider. Två armar, två händer, oftast två ben. Formen är vald för att roboten ska kunna använda utrymmen och verktyg som är gjorda för människor. Figure beskriver sin Figure 03 som en humanoid för allmänna ändamål (general purpose), och Agility Robotics bygger en humanoid som heter Digit för industriella miljöer.
- Robotarmar i lager. Armar som plockar varor ur lådor och lägger dem i kartonger. Det här är ett av de mest mogna användningsområdena, eftersom miljön är kontrollerad och uppgiften upprepas. Se robotar i lager.
- Självkörande fordon. Waymo beskriver sin tjänst som autonom taxitjänst (ride-hailing), utan mänsklig förare i bilen. Bilkörning var den första stora satsningen på fysisk AI, och den visar hur lång tid den sista biten kan ta.
- Drönare. Flygfarkoster som håller sin position, undviker hinder och inspekterar eller kartlägger utan att en pilot styr varje rörelse.
- Hushållsrobotar. Robotdammsugaren är det välbekanta exemplet. Hemrobotar med armar är nyare. 1X säljer en hemrobot som heter NEO, och företagets egen beskrivning är uppriktig: för sysslor som NEO inte kan ännu kan en expert från 1X övervaka den på distans.
Den sista detaljen är typisk för området. Maskinerna finns, men mycket av det de gör vilar fortfarande på människor.
Företag inom physical AI: vem gör vad
Det blir lättare att överblicka företagen inom fysisk AI om man sorterar dem efter roll, eftersom inget enskilt företag gör allt.
| Roll | Vad de gör | Exempel |
|---|---|---|
| Modellbyggare | Tränar modellerna som gör om kamerabilder och instruktioner till rörelse | Physical Intelligence publicerar sina π0-modeller med öppen kod. Google DeepMind utvecklar Gemini Robotics-modellerna |
| Tillverkare av robotar och fordon | Bygger maskinerna, ofta med egna modeller | Figure, 1X, Agility Robotics, Waymo |
| Plattformar för chip och simulering | Levererar beräkningskraften, de virtuella världarna och de startmodeller som andra bygger vidare på | NVIDIA erbjuder Isaac Sim för simulering och syntetisk data, Cosmos för världsmodeller och de öppna GR00T-modellerna för humanoider |
| Dataleverantörer | Spelar in eller samlar in de exempel som modellerna lär sig av | Datainsamlingsföretag och program som betalar företag för inspelningar av deras personal |
Rollerna flyter ihop. Robottillverkare tränar modeller, och plattformsföretag släpper egna modeller. De modeller som står i centrum för allt detta är oftast vision-language-action-modeller, som vi förklarar i vår guide till VLA-modeller. Simuleringen bygger allt mer på världsmodeller.
Därför är data flaskhalsen
Alla de här systemen lär sig av exempel, och de behöver väldigt många. I Så lär sig robotar går vi igenom metoderna. Kort sagt blir en modell bra på det den har sett utföras, i miljöer som liknar dem den har sett.
Labben har tre sätt att få fram exempel. De kan styra robotar för hand och spela in resultatet, vilket är exakt men långsamt. De kan generera exempel i simulering, vilket går fort men aldrig stämmer helt med verkligheten. Eller så kan de använda video av människor som utför arbetet.
Video av människor är den enda källa som kommer i närheten av den mängd och variation som behövs. Men det måste vara rätt sorts video: filmad ur arbetarens eget perspektiv, med händerna i bild, på riktiga arbetsplatser. Det kallas egocentrisk video, och väldigt lite sådan har spelats in hittills.
Här kommer företagen in
Platserna där praktiskt arbete utförs tillhör företag. En rörmokares servicebil, ett restaurangkök under servering och ett bygge där stommen reses är precis de miljöer som robotar har sett minst av.
Därför betalar vissa program nu företag vars personal spelar in sitt vanliga arbete. CorpusMarket tar emot förfrågningar från sådana företag, och dem som passar sätter vi i kontakt med ett inspelningsprogram som drivs av vår partner Amelia Robotics. Programmet samlar i dag främst in data i USA, och om svenska företag kan delta avgörs från fall till fall. Om er personal arbetar med händerna är ni välkomna att berätta om ert företag. Det tar två minuter, och vi hör av oss inom två arbetsdagar.
Frågor och svar
Vanliga frågor
Vad är fysisk AI, enkelt förklarat?
AI som styr en maskin i den verkliga världen. Den tar in det som kameror och andra sensorer uppfattar, bestämmer vad som ska göras och rör sedan en kropp, till exempel en robotarm eller ett fordon, för att utföra det.
Vad är embodied AI, och är det samma sak som fysisk AI?
Embodied AI är AI som har en kropp och lär sig genom att agera med den. I praktiken överlappar de två begreppen nästan helt. Embodied AI är den äldre forskningstermen, och physical AI är den beteckning som branschen har börjat använda på senare tid.
Vilka exempel finns det på fysisk AI?
Humanoida robotar, robotarmar som plockar och packar i lager, självkörande fordon, drönare som flyger och inspekterar på egen hand och hushållsrobotar. Gemensamt för dem är att rörelsen bestäms av en inlärd modell och inte av ett fast skript.
Vilka slags företag arbetar med fysisk AI?
Fyra breda grupper: labb som bygger modellerna, företag som bygger robotarna och fordonen, plattformar som levererar chip och simuleringsprogram, och leverantörer av träningsdata.
Varför är fysisk AI svårare än en chattbot?
En chattbot lärde sig av text som redan fanns på nätet, och ett felaktigt ord kostar inte mycket. En robot har inget färdigt arkiv över fysiskt arbete att lära sig av, och en felaktig rörelse kan ha sönder något. Båda problemen handlar i grunden om data.
Fler sidor
Läs vidare
Så lär sig robotar: imitationsinlärning och diffusion policy
De flesta robotar som gör något nytt i dag har lärt sig det genom imitationsinlärning, alltså genom att kopiera inspelade exempel på uppgiften. Den här guiden förklarar den metoden och de närliggande metoderna utan matematik och avslutas med vilken data var och en kräver.
Läs merVad är en VLA-modell?
En VLA-modell är den sorts AI-modell som driver de flesta nya robotar för allmänna ändamål. Den ser genom robotens kameror, läser en instruktion på vanligt språk och ger ifrån sig de rörelser som krävs för att utföra den. Hur bra den gör det beror till stor del på vad den har fått se under träningen.
Läs merTräningsdata för robotar
En språkmodell lärde sig av text som redan fanns på internet. En robot har inget sådant arkiv att lära sig av. Träningsdata för robotar måste tas fram särskilt för ändamålet, och det mesta av kostnaden och arbetet med att lära upp en robot går åt till att få ihop tillräckligt mycket.
Läs merNästa steg
Berätta om ert företag
Om er personal utför praktiskt arbete kan ett robotlabb betala för video av det. Skicka era uppgifter så berättar vi om det passar och vad som händer sedan.
- Kostar inget att anmäla sig
- Inget delas innan vi har pratat
- Svar inom två arbetsdagar