Meskipun masih banyak pekerjaan yang harus diselesaikan, Tedrake menyatakan bahwa semua bukti sejauh ini mengindikasikan bahwa pendekatan yang digunakan untuk LLM juga berlaku untuk robot. “Saya pikir ini mengubah segalanya,” katanya.
Mengukur kemajuan dalam robotika memang menjadi lebih sulit belakangan ini, tentu saja, dengan banyaknya klip video yang menampilkan humanoid komersial melakukan tugas-tugas rumit, seperti mengisi kulkas atau mengambil sampah dengan tampang yang mudah. Namun, klip YouTube bisa menyesatkan, dan robot humanoid cenderung baik dikendalikan dari jarak jauh, diprogram dengan hati-hati sebelumnya, atau dilatih untuk melakukan satu tugas dalam kondisi yang sangat terkendali.
Karya Atlas yang baru ini merupakan tanda besar bahwa robot mulai mengalami kemajuan setara dalam robotika yang pada akhirnya mengarah ke model bahasa umum yang memberikan kita ChatGPT di bidang AI generatif. Pada akhirnya, kemajuan seperti ini dapat memberikan kita robot yang mampu beroperasi dalam berbagai lingkungan yang berantakan dengan mudah dan mampu mempelajari keterampilan baru dengan cepat—dari mengelas pipa hingga membuat espresso—tanpa pelatihan ulang yang ekstensif.
“Ini pasti sebuah langkah maju,” kata Ken Goldberg, seorang ahli robotika di UC Berkeley yang menerima beberapa dana dari TRI tetapi tidak terlibat dalam pekerjaan Atlas. “Koordinasi kaki dan lengan adalah hal yang sangat penting.”
Namun, Goldberg mengatakan bahwa gagasan tentang perilaku robot yang muncul harus ditangani dengan hati-hati. Sama seperti kemampuan mengejutkan dari model bahasa besar yang terkadang dapat ditelusuri kembali ke contoh yang termasuk dalam data pelatihan mereka, dia mengatakan bahwa robot mungkin menunjukkan keterampilan yang tampak lebih baru dari yang sebenarnya. Dia menambahkan bahwa sangat membantu untuk mengetahui detail tentang seberapa sering sebuah robot berhasil dan dengan cara apa ia gagal selama eksperimen. TRI sebelumnya telah transparan dengan pekerjaan yang dilakukan pada LBM dan mungkin akan merilis lebih banyak data tentang model baru ini.
Apakah sekadar meningkatkan skala data yang digunakan untuk melatih model robot akan membuka perilaku muncul yang semakin banyak masih menjadi pertanyaan terbuka. Dalam sebuah debat yang diadakan pada bulan Mei di Konferensi Internasional tentang Robotika dan Otomasi di Atlanta, Goldberg dan lainnya memperingatkan bahwa metode rekayasa juga akan memainkan peran penting ke depannya.
Tedrake, sebagai salah satu contoh, yakin bahwa robotika sedang mendekati titik belok—yang akan memungkinkan penggunaan humanoid dan robot lainnya yang lebih nyata di dunia. “Saya pikir kita perlu mengeluarkan robot-robot ini ke dunia dan mulai melakukan pekerjaan yang sesungguhnya,” katanya.
Apa pendapat Anda tentang keahlian baru Atlas? Dan apakah Anda pikir kita sedang menuju terobosan gaya ChatGPT dalam robotika? Beri tahu pendapat Anda di [email protected].
Ini adalah edisi dari buletin AI Lab Will Knight. Baca buletin sebelumnya di sini.