Co to jest GAM i jak działa?
GAM - Generalized Action Model - to nowy typ modelu podstawowego (foundation model) dla robotyki manipulacyjnej, opracowany przez zespół naukowców Amazon Science. Zamiast tworzyć osobne modele dla różnych typów końcówek robota, GAM działa jako jednolite rozwiązanie, które generuje akcje manipulacyjne na podstawie języka i obrazu. Model wykorzystuje podejście vision-language-action (VLA), które pozwala mu rozumieć polecenia w języku naturalnym i przekształcać je w konkretne ruchy, niezależnie od konkretnego sprzętu.
Jedną z kluczowych innowacji GAM jest jego zdolność do generowania różnych typów akcji - od chwytu szczypcowego i ssącego po techniki klatkowe (caging) oraz umieszczanie obiektów. Wszystkie te działania są wykonywane przez ten sam model, co eliminuje konieczność dostosowywania algorytmów do każdej nowej końcówki. Model jest również wyposażony w mechanizm kodowania końcówek, który umożliwia transfer zero-shot - czyli działanie na nowych typach sprzętu bez dodatkowego trenowania.
Jak GAM został zwalidowany i gdzie działa?
GAM został przetestowany w rzeczywistych warunkach przemysłowych, na fladze robotów pracujących w systemach roboczych. W trakcie testów model wykonał ponad 10 milionów cykli pick-and-place - czyli chwytania i umieszczania obiektów - co stanowi jedno z najbardziej intensywnych testów w historii robotyki manipulacyjnej. Wyniki były bardzo wysokie: skuteczność chwytu przekraczała 95%, a umieszczania - ponad 90%.
Ważnym aspektem była też zdolność modelu do pracy z hybrydowymi końcówkami, które mają różne tryby chwytu. GAM potrafił skutecznie obsługiwać takie systemy bez konieczności osobnego trenowania dla każdego trybu - co pokazuje jego ogromny potencjał do szybkiej integracji w różnych warunkach produkcji.
Skalowalna metoda generowania danych w symulacji
Jednym z największych wyzwań w rozwoju robotyki jest brak dostępu do dużych ilości wysokiej jakości danych interakcyjnych. GAM rozwiązuje to za pomocą skalowalnego, offline pipeline generowania danych w symulacji. Model przelicza obserwacje z rzeczywistego świata - np. zdjęcia i dane z czujników - na kandydatów akcji oraz etykiety jakości w środowisku symulacyjnym.
Ta metoda pozwala na generowanie dużych zbiorów danych bez konieczności ciągłego działania robotów w fabryce, co znacznie obniża koszty i czas potrzebny do rozwoju nowych funkcji. Dzięki temu model może być szybko dostosowywany do nowych zadań lub środowisk, nawet jeśli nie ma jeszcze danych z rzeczywistego świata.
Znaczenie i ograniczenia GAM
Powiększony obrazZamknij powiększeniePoprzedni obrazGAM oznacza istotny krok naprzód w rozwoju robotyki przemysłowej. Dzięki jednolitemu podejściu do różnych końcówek i możliwości szybkiego transferu, model może znacznie skrócić czas wdrażania nowych systemów automatyzacji. Może to przyczynić się do większej elastyczności produkcji, zwłaszcza w sektorach z dużą zmiennością produktów.
Jednocześnie warto podkreślić, że model został zwalidowany tylko na konkretnym typie zadań - pick-and-place - i w warunkach przemysłowych. Nie ma informacji o jego działaniu w innych kontekstach, np. w domowych lub klinicznych. Ponadto, choć model działa w symulacji, jego skuteczność w rzeczywistym świecie zależy od jakości danych wejściowych i dokładności modelu symulacyjnego.
Perspektywy dla przemysłu i integratorów robotyki
GAM może stać się kluczowym narzędziem dla integratorów robotycznych, którzy chcą szybko wdrażać rozwiązania w różnych zakładach. Dzięki zdolności do zero-shot transferu i skalowalnemu generowaniu danych, firma nie musi już tworzyć osobnego modelu dla każdego typu końcówki lub nowego stanowiska roboczego.
Dla producentów robotów może to oznaczać możliwość oferowania systemów z większą elastycznością i szybszym dostosowaniem do potrzeb klienta. Jednocześnie, model nie jest produktem handlowym - nie jest dostępny jako gotowy produkt - ale wynikiem badań naukowych, które mogą być wykorzystane w dalszych projektach rozwojowych.
