ரோபோடிக்ஸின் மிக மதிப்பிற்குரிய மனங்களில் ஒருவர் தனியாகச் செயலில்
ரோபோடிக்ஸில் மிகவும் செல்வாக்குள்ள ஆராய்ச்சியாளர்களில் ஒருவரும், இன்றைய physically capable AI systems அலைக்குப் பின்னுள்ள முக்கிய வடிவமைப்பாளர்களில் ஒருவருமான Russ Tedrake, மீண்டும் வெளிச்சத்துக்கு வருகிறார் — இம்முறை அறிவிக்கப்படாத stealth AI startup-இன் நிறுவுனராக. Tedrake, மே 27-28 தேதிகளில் Boston-இல் உள்ள Thomas M. Menino Convention and Exhibition Center-இல் நடைபெறும் Robotics Summit and Expo-வில் இந்த venture-ஐ பொதுவாக வெளியிடுவார். இந்த அறிவிப்பு ரோபோடிக்ஸ் சமூகத்தில் பெரும் எதிர்பார்ப்பை உருவாக்கியுள்ளது; MIT-இல் பல தசாப்தங்கள் செய்த ஆய்வும் Toyota Research Institute-இல் தொழில்துறை தலைமைப் பணியும் Tedrake என்ற பெயருக்கு கணிசமான எடையை அளித்துள்ளன.
Tedrake சமீபத்தில் Toyota Research Institute-இல் Large Behavior Models-இன் Senior Vice President-ஆக பணியாற்றினார்; அங்கு robot behavior-க்கான foundation models உருவாக்கும் முயற்சிகளை அவர் வழிநடத்தினார், இவை physical AI-இன் தற்போதைய எல்லையை பிரதிபலிக்கின்றன. TRI-யை விட்டு தனித்துவமான venture தொடங்குவது, இந்த யோசனைகளின் மீது நிறுவனம் கட்டுவதற்கு இப்போது சரியான காலம் என அவர் நம்புவதைவும், அதற்குத் தேவையான திறன்கள் போதுமான முதிர்ச்சியடைந்துவிட்டன என்பதையும் காட்டுகிறது.
Physical AI என்றால் என்ன, அது ஏன் முக்கியம்
Physical AI என்பது பரவலாக, உடல்மையான உலகில் செயல்பட்டு அதனுடன் தொடர்புகொள்ளும் AI systems-ஐ குறிக்கிறது — robots, autonomous vehicles, மேலும் தங்கள் சுற்றுச்சூழலை உணர்ந்து, நடவடிக்கைகளைத் திட்டமிட்டு, நிச்சயமற்ற சூழலில் real-time-இல் அந்தத் திட்டங்களை நிறைவேற்ற வேண்டிய பிற இயந்திரங்கள். இது மொழி அல்லது image AI-யை விட அடிப்படையில் கடினமான பிரச்சினை; காரணம், உடல்மையான உலகம் ஒரு text editor போல பிழைகளை மன்னிக்காது. ஒரு robot ஒரு பொருளை தவறாக அடையாளம் கண்டு, தவறான grip force-ஐ கட்டளையிட்டால், அது சிதைந்த வாக்கியத்தை உருவாக்காது — அது ஏதாவது ஒன்றை உடைக்கலாம், ஒருவருக்குப் பாதிப்பை ஏற்படுத்தலாம், அல்லது பணியை முற்றிலும் தோல்வியடையச் செய்யலாம்.
Tedrake தனது career-இன் பெரும்பகுதியை இந்தப் பிரச்சினையை கோட்பாட்டுத் தளத்திலிருந்து அணுகுவதில் செலவிட்டுள்ளார். MIT-இன் Computer Science and Artificial Intelligence Laboratory-இல், அவர் continuous control problems-க்கான reinforcement learning algorithms-ஐ உருவாக்கினார் — robots அதிர்ச்சியில்லாமல், முன்கூட்டியே நிரலிடப்பட்ட trajectories-க்கு பதிலாக, ஒழுங்காக நகர கற்றுக்கொள்ளும் விதத்தின் கணித அடித்தளம். manipulation, locomotion, மற்றும் contact dynamics குறித்த அவரது பணிகள் நவீன robotics research-க்கு அடித்தளமாக இருந்துள்ளன.



