మెటా చిన్న బృందాన్ని మాత్రమే కాదు, సామర్థ్యాన్నే కొనుగోలు చేస్తోంది

మెటా humanoid robotics startup అయిన Assured Robot Intelligence, లేదా ARIని కొనుగోలు చేసింది. ఈ చర్య కంపెనీ AI యూనిట్ అయిన Superintelligence Labs‌లోని robotics ఆశయాలను బలపరుస్తుంది. క్లిష్టమైన, చురుకైన వాతావరణాల్లో మానవ ప్రవర్తనను అర్థం చేసుకోవడం, అంచనా వేయడం, దానికి తగినట్లు మార్పు చెందడంలో రోబోట్లకు సహాయపడే robot intelligence అగ్రభాగంలో ARI పనిచేస్తోందని కంపెనీ తెలిపింది.

మొదట చూస్తే, ఇది సాధారణ talent-and-technology acquisition‌లా కనిపిస్తుంది. ARI AIX Ventures నుండి seed round సమీకరించింది మరియు household chores వంటి శారీరక పనుల కోసం humanoid robots‌కు foundation models తయారు చేస్తోంది. దీని స్థాపకులు Xiaolong Wang మరియు Lerrel Pinto, Nvidia, UC San Diego, NYU మరియు గత robotics ventures‌తో సంబంధం ఉన్న బలమైన పరిశోధనా నేపథ్యాన్ని తెస్తున్నారు. మెటా ప్రకారం, ఈ బృందం robot control, self-learning, whole-body humanoid control కోసం models మరియు frontier capabilities రూపొందించడంలో సహాయపడుతుంది.

కానీ పెద్ద సంకేతం వ్యూహాత్మకం. మెటా కేవలం మరో పక్క ఉత్పత్తి రంగంలో విస్తరించడం లేదు. మోడల్ సామర్థ్యంలో తదుపరి పెద్ద దూకుడు physical world‌లో నేర్చుకోవడం అవసరం కావచ్చని AI పరిశోధనలో పెరుగుతున్న అభిప్రాయంతో అది తనను తాను అనుసంధానిస్తోంది.

Embodied AI ఇప్పుడు ఎందుకు ముఖ్యం

ఇప్పటి frontier models text, images, audio, video వంటి digital dataపై భారీగా శిక్షణ పొందుతున్నాయి. ఈ విధానం అద్భుతమైన ఫలితాలు ఇచ్చినా, దానికి పరిమితులు ఉన్నాయి. physical competence, common-sense interaction, real-world adaptation వంటి అంశాలు screen-based training corporaలో పూర్తిగా పట్టుకోబడవు. Humanoid robots చర్య, ప్రతిస్పందన, పర్యావరణాన్ని training signals‌గా మార్చి ఆ లోటును కొంతవరకు పూడ్చే మార్గం అందిస్తాయి.

TechCrunch రిపోర్టింగ్ ప్రకారం, artificial general intelligence వైపు పురోగతి physical-world learning‌పై ఆధారపడవచ్చని ఇప్పుడు అనేక AI నిపుణులు భావిస్తున్నారు. ఆ ఖచ్చితమైన milestone సరైన ఫ్రేమా కాదా అన్నది పక్కన పెడితే, వాణిజ్య తర్కం స్పష్టంగా ఉంది. గృహాలు, కార్యాలయాలు, గిడ్డంగుల్లో పనిచేయగల రోబోట్లకు uncertaintyలో generalize చేయగల, మానవ ప్రవర్తనను ఎదుర్కొనగల, ప్రపంచంతో నిరంతరం తాకిడి ద్వారా నేర్చుకోగల models అవసరం.

ARI లక్ష్యంగా పెట్టుకున్నది ఇదే. మెటా కేవలం సంభాషణాత్మక లేదా multimodal assistants కాదు, చర్య తీసుకోగల systems‌ను నిర్మించాలనుకుంటే, robotics ఒక side project కంటే ఎక్కువగా మారుతుంది. అది మరింత సామర్థ్యమైన AI కోసం training ground అవుతుంది.

పోటీ పటం మరింత విస్తరిస్తోంది

ARI deal మరింత గిరాకీగా మారుతున్న పోటీలో ఒక ప్రతిబింబం కూడా. మెటా పరిశోధకులు సంవత్సరాలుగా humanoid robotics technologyపై పని చేస్తున్నారని నివేదికలు చెబుతున్నాయి, అలాగే ముందరి అంతర్గత చర్చలు models మరియు consumer-facing hardware రెండింటిపై ఆశయాలను సూచించాయి. ఇదే సమయంలో, పెద్ద tech మరియు startup ecosystemలోని ప్రత్యర్థులు robotics research, supply-chain investments, specialist team acquisitions ద్వారా సమీప రంగాల్లోకి ప్రవేశిస్తున్నారు.

రిపోర్ట్‌లో ప్రత్యేకంగా చెప్పదగ్గ విషయం ఒకటి ఉంది: Lerrel Pinto గతంలో Fauna Roboticsను సహ-స్థాపించారు, అది kid-size humanoid startup, దీనిని Amazon గత నెల కొనుగోలు చేసింది. అంటే, ఇప్పుడు రెండు ప్రధాన tech కంపెనీలు వరుసగా founder-led robotics expertise‌ను తమలోకి తీసుకున్నాయి. ఇది embodied AIలో top talent వ్యూహాత్మకంగా అరుదుగా మారుతోందని సూచిస్తుంది.

మెటా ఎప్పుడూ consumer humanoid robot‌ను విడుదల చేయకపోయినా, ఈ acquisition ఉపయోగకరంగా ఉండవచ్చు. Robotics research model architectures, control systems, self-learning methods‌ను మెరుగుపరచి, తర్వాత ఇతర ఉత్పత్తులపై ప్రభావం చూపగలదు. ఆ దృష్టిలో, humanoid ప్రయత్నం product development‌గా కూడా, విస్తృత R&D platform‌గా కూడా పని చేయగలదు.

తదుపరి AI పోటీ దశ ఏమిటి

AI పోటీ ఇక పెద్ద language models, మెరుగైన assistants, లేదా మరింత సమర్థవంతమైన inference గురించి మాత్రమే కాదు. intelligence‌ను actionతో అనుసంధానించగల కంపెనీలు ఏవన్నదీ కూడా ప్రధాన ప్రశ్న. ఇందుకు ఇంటర్నెట్‌పై శిక్షణ పొందిన model యుగంతో పోలిస్తే వేరే డేటా, వేరే engineering constraints, వేరే evaluation విధానాలు అవసరం.

ARI కొనుగోలు, ఆ మార్పుకు పెద్ద AI కంపెనీలు సిద్ధమవుతున్నాయనే స్పష్టమైన సంకేతం. పరిశ్రమ మరింత embodied systems వైపు కదులుతున్న సమయంలో, కంపెనీ robot control మరియు self-learning expertise‌ను కొనుగోలు చేస్తోంది. ఈ acquisition breakthroughను హామీ ఇవ్వదు. Humanoid robotics ఇంకా సాంకేతికంగా కఠినమైనది, మూలధనం ఎక్కువ అవసరమయ్యేది, వాణిజ్యపరంగా అనిశ్చితమైనది. కానీ కనీసం ఒక ప్రధాన platform కంపెనీ frontier‌ను ఎక్కడ చూస్తోంది అనేది ఇది చూపిస్తోంది.

ఇలాంటి deals ఒంటరి ఘటనలుగానే ఉంటాయా లేదా సాధారణమవుతాయా అని Developments Today గమనిస్తుంది. మరిన్ని frontier AI labs robotics‌ను ప్రయోగాత్మక పక్క పని కాకుండా core infrastructure‌గా చూస్తే, AI అభివృద్ధి కేంద్రం software interfaces నుంచి ప్రపంచంలో పని చేయగల machines వైపు మళ్లే అవకాశం ఉంది.

ఈ వ్యాసం TechCrunch నివేదికపై ఆధారపడి ఉంది. మూల వ్యాసాన్ని చదవండి.

Originally published on techcrunch.com