L'un des Esprits les Plus Respectés de la Robotique Devient Indépendant
Russ Tedrake, l'un des chercheurs les plus influents en robotique et l'un des architectes de la vague actuelle de systèmes d'IA physiquement capables, revient sous les feux de la rampe — cette fois en tant que fondateur d'une startup d'IA clandestine non divulguée. Tedrake révélera publiquement l'entreprise au Robotics Summit and Expo, programmé pour les 27-28 mai au Thomas M. Menino Convention and Exhibition Center à Boston. L'annonce a généré une anticipation significative dans la communauté de la robotique, où le nom de Tedrake porte un poids substantiel construit au cours de décennies de recherche au MIT et de leadership industriel à l'Institut de Recherche Toyota.
Tedrake a récemment servi en tant que Vice-Président Senior des Grands Modèles de Comportement à l'Institut de Recherche Toyota, où il a dirigé les efforts pour développer les types de modèles de base pour le comportement des robots qui représentent la frontière actuelle de l'IA Physique. Son départ de TRI pour créer une entreprise indépendante signale à la fois sa conviction que le moment est propice pour construire une entreprise autour de ces idées et que les capacités nécessaires pour le faire ont atteint un seuil de maturité.
Qu'est-ce que l'IA Physique et Pourquoi C'est Important
L'IA Physique se réfère largement aux systèmes d'IA qui opèrent dans le monde physique et interagissent avec lui — les robots, les véhicules autonomes et autres machines qui doivent percevoir leur environnement, planifier les actions et exécuter ces plans en temps réel dans des conditions d'incertitude. C'est un problème fondamentalement plus difficile que l'IA de langage ou d'image parce que le monde physique ne pardonne pas les erreurs comme le fait un éditeur de texte. Un robot qui identifie mal un objet et commande la mauvaise force de préhension ne produit pas une phrase brouillée — il casse quelque chose, blesse quelqu'un ou échoue complètement la tâche.
Tedrake a consacré sa carrière à résoudre ce problème à partir des fondements théoriques vers le haut. Au Laboratoire d'Informatique et d'Intelligence Artificielle du MIT, il a développé des algorithmes d'apprentissage par renforcement pour les problèmes de contrôle continu — la machinerie mathématique qui sous-tend comment les robots apprennent à se mouvoir avec fluidité plutôt que dans des trajectoires rigides pré-programmées. Son travail sur la manipulation, la locomotion et la dynamique du contact a été fondamental pour la recherche moderne en robotique.



