Робототехника
LG создает центр робототехники, сосредоточившись на сложной части физического ИИ: данных
LG Electronics создала Центр бизнеса в области робототехники для консолидации своих робототехнических инициатив и создания возможностей фабрики данных, ставя следующую задачу компании в подготовке, интеграции и дисциплине эксплуатации парка роботов.
Майкл Г ·
LG Electronics создала Робототехника Бизнес-центр в рамках организационной перестройки, которая вступила в силу 1 июля, объединяя свою работу в области робототехники в подразделении, предназначенном для ускорения бизнеса и укрепления того, что компания называет способностью фабрики данных. Это объявление является полезной корректировкой обычной истории о гуманоидных роботах. Сложная часть заключается не в том, чтобы убедить машину выполнять одну отточенную задачу. Сложность в том, чтобы собрать, очистить, смоделировать и проверить достаточное количество информации, чтобы машина могла продолжать выполнять полезную работу в меняющейся среде.
LG заявляет, что центр будет контролировать её робототехнический бизнес и поддерживать обучение работе с роботами, при этом компания называет 2026 год первым годом более широкого расширения робототехники. Её роботы CLOiD уже появились в коммерческих условиях, включая гостиничное обслуживание и сервисные среды. Новая структура не доказывает, что эти продукты готовы для каждого рабочего места. Но она показывает, что LG рассматривает робототехнику как бизнес, требующий специализированного операционного управления, а не как побочный проект, распределённый между командами по бытовой технике, программному обеспечению и исследованиям.
Фраза «data factory» заслуживает больше внимания, чем сама корпоративная реорганизация. Роботам с ИИ нужны примеры комнат, объектов, людей, поверхностей, сбоев и действий по восстановлению. Им нужны эти примеры в формах, которые можно использовать для обучения и оценки. Робот, обслуживающий коридор в отеле, доставляющий материалы в офисе или перемещающийся по торговому залу, сталкивается с проблемами, которые не появляются в чистой демонстрации: частично открытая дверь, тележка, преграждающая путь, отражающаяся поверхность, которая сбивает с толку датчик, или клиент, который внезапно меняет направление.
Фабрика данных — это попытка сделать процесс обучения повторяемым. Она может объединять записи с развернутых роботов, тщательно размеченные наблюдения, симуляции и целевые тесты. Ценность заключается не просто в наличии большего количества материала. Важно знать, какие случаи заставили систему колебаться, потерпеть неудачу или потребовать помощи человека, а затем возвращать эти случаи в следующую версию. Вот в чем разница между флотом, который накапливает эксплуатационные знания, и серией дорогостоящих пилотных проектов, начинающих с нуля.
Бэкграунд LG в области потребительской электроники дает компании интересную отправную точку. Компания понимает производство аппаратного обеспечения, поддержку продуктов и требования к поставке устройств, которые необходимо обслуживать на протяжении многих лет. Робототехника добавляет более сложный программный уровень. Робот — это не телевизор и не стиральная машина с функцией ИИ. Он должен воспринимать физический мир, безопасно передвигаться в нем и восстанавливаться, когда мир не совпадает с его предположениями.
Вот почему имеют значение ранние коммерческие варианты использования. Сервисные роботы могут работать в определённых пространствах с повторяющимися маршрутами и чёткими передачами человеку. Задача может выглядеть скромной, но она предоставляет данные из реального мира, которые необходимы организации, занимающейся общей робототехникой. Машина, которая может надёжно доставлять бельё, сопровождать посетителя или переносить запасы, должна справляться с навигацией, управлением батареей, планированием, контролем доступа и режимом сбоя, ориентированным на клиента. Эти ограничения показывают, готова ли окружающая система.
Рынок движется в этом направлении. Производители роботов все чаще говорят о физическом ИИ, но компании с реальным путем к масштабированию обычно инвестируют в симуляцию, управление флотом, удаленную поддержку и оценку не меньше, чем в сам роботизированный аппарат. Аппаратное обеспечение привлекает внимание. Операционный стек определяет, сможет ли владелец запустить десять машин, а затем сто, не увеличивая при этом количество людей, необходимых для их контроля.
Объявление LG также создает проверку для её организационной структуры. Централизованный бизнес-центр может устанавливать приоритеты продуктов и собирать данные по подразделениям, но ему необходимо работать с командами, которые создают компоненты, продают клиентам и обслуживают внедренные машины. Если центр станет только слоем отчетности, это замедлит принятие решений. Если же он сможет связывать полевые данные с инженерными изменениями, это может дать LG преимущество перед конкурентами в области робототехники, которые по-прежнему рассматривают каждое внедрение как отдельную демонстрацию.
Существуют практические ограничения. Большое количество данных не делает робота автоматически безопаснее или способнее. Данные требуют согласия, контроля качества и ясной связи с задачей, которую будет выполнять робот. Модель, обученная на широком наборе внутренних помещений, может всё равно вести себя плохо в одном конкретном здании с необычным освещением, полами или движением. Инженерам потребуются явные этапы оценки, прежде чем новое поведение будет доступно клиентам, особенно там, где роботы работают рядом с людьми.
LG выдвинула серьёзную рабочую гипотезу: следующее преимущество в робототехнике может принадлежать компании, которая управляет лучшей системой обучения, а не той, которая публикует самое впечатляющее видео. Деловой центр робототехники будет оцениваться по тому, превращает ли эта система обучения данные с полевых испытаний в более безопасную и надёжную работу. Сервисному роботу не нужно выглядеть как человек, чтобы быть полезным. Ему нужно выполнять ту же полезную задачу снова и завтра.
Темы: LG, CLOiD, робототехника, физический ИИ, фабрика данных