Що таке GAM і як він працює?
GAM - Generalized Action Model - це новий тип базової моделі для роботизованої маніпуляції, розроблений командою науковців Amazon Science. Замість створення окремих моделей для різних типів робочих кінцевих пристроїв, GAM діє як єдине рішення, яке генерує маніпуляційні дії на основі мови та зображення. Модель використовує підхід vision-language-action (VLA), який дозволяє їй розуміти команди природною мовою та перетворювати їх на конкретні рухи, незалежно від конкретного обладнання.
Однією з ключових інновацій GAM є його здатність генерувати різні типи дій - від захоплення щипцями та присосками до методів утримання в клітці (caging) і розміщення об’єктів. Усі ці дії виконуються однією й тією ж моделлю, що усуває необхідність адаптації алгоритмів до кожного нового кінцевого пристрою. Модель також оснащена механізмом кодування кінцевих пристроїв, який дозволяє здійснювати перенесення без додаткового навчання - тобто працювати з новими типами обладнання без додаткового тренування.
Як GAM було валідовано та де він використовується?
GAM був протестований в реальних промислових умовах на парку роботів, що працюють у виробничих системах. Під час тестувань модель виконала понад 10 мільйонів циклів захоплення та розміщення об’єктів - це одне з найбільш інтенсивних тестувань в історії роботизованої маніпуляції. Результати були дуже високими: ефективність захоплення перевищувала 95%, а розміщення - понад 90%.
Важливим аспектом була також здатність моделі працювати з гібридними кінцевими пристроями, які мають різні режими захоплення. GAM міг ефективно обробляти такі системи без необхідності окремого навчання для кожного режиму - що демонструє його величезний потенціал для швидкої інтеграції в різних виробничих умовах.
Масштабований метод генерації даних у симуляції
Одним із найбільших викликів у розвитку робототехніки є відсутність доступу до великої кількості високоякісних інтерактивних даних. GAM вирішує це за допомогою масштабованого, офлайн-процесу генерації даних у симуляції. Модель перетворює спостереження з реального світу - наприклад, фотографії та дані з датчиків - на кандидати дій і мітки якості в середовищі симуляції.
Цей метод дозволяє генерувати великі набори даних без необхідності постійної роботи роботів на виробництві, що значно знижує витрати та час, необхідний для розробки нових функцій. Завдяки цьому модель може бути швидко адаптована до нових завдань або середовищ, навіть якщо ще немає даних із реального світу.
Значення та обмеження GAM
Збільшене зображенняЗакрити збільшенняПопереднє зображенняGAM є важливим кроком вперед у розвитку промислової робототехніки. Завдяки уніфікованому підходу до різних кінцевих пристроїв і можливості швидкого перенесення, модель може значно скоротити час впровадження нових систем автоматизації. Це може сприяти більшій гнучкості виробництва, особливо в секторах із великою мінливістю продукції.
Водночас варто підкреслити, що модель була валідована лише для конкретного типу завдань - pick-and-place - і в промислових умовах. Немає інформації про її роботу в інших контекстах, наприклад, у домашніх або клінічних умовах. Крім того, хоча модель працює в симуляції, її ефективність у реальному світі залежить від якості вхідних даних і точності моделі симуляції.
Перспективи для промисловості та інтеграторів робототехніки
GAM може стати ключовим інструментом для інтеграторів робототехніки, які хочуть швидко впроваджувати рішення на різних підприємствах. Завдяки здатності до zero-shot перенесення та масштабованого генерування даних, компанія більше не повинна створювати окрему модель для кожного типу кінцевого пристрою або нового робочого місця.
Для виробників роботів це може означати можливість пропонувати системи з більшою гнучкістю та швидшим налаштуванням під потреби клієнта. Водночас, модель не є комерційним продуктом - вона не доступна як готовий продукт, а є результатом наукових досліджень, які можуть бути використані в подальших розробках.
