రోబోటిక్స్లో అత్యంత గౌరవనీయమైన మేధావుల్లో ఒకరు ఇప్పుడు స్వతంత్రం
రోబోటిక్స్లో అత్యంత ప్రభావవంతమైన పరిశోధకుల్లో ఒకరైన, అలాగే ప్రస్తుత physically capable AI systems అలையின் ముఖ్య వాస్తుశిల్పుల్లో ఒకరైన Russ Tedrake, మళ్లీ వెలుగులోకి వస్తున్నారు — ఈసారి ఒక ప్రకటించని stealth AI startup స్థాపకుడిగా. Tedrake, మే 27-28 తేదీల్లో Bostonలోని Thomas M. Menino Convention and Exhibition Centerలో జరగనున్న Robotics Summit and Expoలో ఈ ventureను బహిరంగంగా ఆవిష్కరించనున్నారు. ఈ ప్రకటన రోబోటిక్స్ సమాజంలో భారీ ఆసక్తిని రేకెత్తించింది, MITలో దశాబ్దాల పరిశోధన మరియు Toyota Research Instituteలో పరిశ్రమ నాయకత్వం కారణంగా Tedrake పేరు గణనీయమైన బరువును కలిగి ఉంది.
Tedrake ఇటీవల Toyota Research Instituteలో Large Behavior Modelsకు Senior Vice Presidentగా పనిచేశారు, అక్కడ robot behavior కోసం foundation models అభివృద్ధి చేసే ప్రయత్నాలకు నాయకత్వం వహించారు; ఇవే physical AI యొక్క ప్రస్తుత సరిహద్దును సూచిస్తాయి. TRI నుండి బయటకు వచ్చి స్వతంత్ర venture ప్రారంభించడం, ఈ ఆలోచనల చుట్టూ కంపెనీ నిర్మించడానికి ఇదే సరైన సమయమని ఆయన నమ్ముతున్నారనడానికి, అలాగే దానికి అవసరమైన సామర్థ్యాలు పరిపక్వ స్థాయికి చేరుకున్నాయని ఆయన భావిస్తున్నారనడానికి సంకేతం.
Physical AI అంటే ఏమిటి, ఇది ఎందుకు ముఖ్యము
Physical AI అనేది broadly గా, భౌతిక ప్రపంచంలో పనిచేసే మరియు దానితో పరస్పరం చేసే AI systemsను సూచిస్తుంది — robots, autonomous vehicles, మరియు తమ పరిసరాలను గుర్తించి, చర్యలను ప్రణాళిక చేయించి, అనిశ్చిత పరిస్థితుల్లో real-timeలో ఆ ప్రణాళికలను అమలు చేయాల్సిన ఇతర యంత్రాలు. ఇది language లేదా image AI కంటే మౌలికంగా కష్టమైన సమస్య, ఎందుకంటే భౌతిక ప్రపంచం text editor లాగ తప్పులను క్షమించదు. ఒక robot ఒక వస్తువును తప్పుగా గుర్తించి, తప్పు grip forceను ఆదేశిస్తే, అది చెదిరిపోయిన వాక్యాన్ని ఉత్పత్తి చేయదు — అది ఏదో ఒకటి పగలగొట్టవచ్చు, ఎవరికైనా గాయపరచవచ్చు, లేదా పనిని పూర్తిగా విఫలం చేయవచ్చు.
Tedrake తన careerలో ఈ సమస్యను సిద్ధాంతపరమైన పునాదుల నుంచే ఎదుర్కొన్నారు. MIT యొక్క Computer Science and Artificial Intelligence Laboratoryలో, ఆయన continuous control problems కోసం reinforcement learning algorithms అభివృద్ధి చేశారు — robots జర్కీ, ముందే ప్రోగ్రామ్ చేసిన trajectories కంటే సాఫీగా కదలడం ఎలా నేర్చుకుంటాయో దాని గణిత యంత్రాంగం. manipulation, locomotion, మరియు contact dynamics పై ఆయన పని ఆధునిక robotics researchకు పునాది వేసింది.



