ChatGPT trenutak za robote mogao bi nastupiti do 2027., kaže predsjednik ACE Roboticsa. Proboji u modelima koji povezuju percepciju i akciju ubrzavaju napredak, ali široka primjena može potrajati duže.
Bitne tačke
- Predsjednik ACE Roboticsa Wang Xiaogang tvrdi da bi 'ChatGPT trenutak za robote' mogao nastupiti do kraja 2027.
- Mogući proboj zasniva se na 'world models' i velikom prikupljanju real‑svijet podataka, ali manjak takvih podataka je značajna prepreka.
- ACE planira pilot‑implementacije i prikupljanje desetina miliona sati podataka; široka komercijalna primjena može ipak zahtijevati dodatne godine.
Izjava ACE Roboticsa o mogućem proboju do 2027.
ChatGPT trenutak za robote mogao bi nastupiti do 2027., rekao je predsjednik kineske kompanije ACE Robotics, Wang Xiaogang, u obraćanju tokom Svjetske robotske konferencije — izjavu je prvobitno prenio Reuters i potom obradio Decrypt. (Reuters/Decrypt).
Prema navodima, Wang očekuje da će kombinacija naprednih "world models" i intenzivnog prikupljanja podataka iz stvarnog svijeta biti glavni pokretači mogućeg proboja, a ACE Robotics planira ubrzano prikupljanje desetina miliona sati operativnih podataka i pilot‑implementacije u maloprodajnom okruženju tokom narednih godina. Više detalja o izjavi dostupno je u originalnom članku Decrypta i Reutersovom izvještaju. (https://decrypt.co/376265/robot-brains-chatgpt-moment-ace-robotics, https://www.reuters.com/technology/ace-robotics-chairman-says-embodied-ai-could-reach-chatgpt-moment-by-end-2027-2026-08-21/).
Šta znači 'ChatGPT trenutak' za robote
Pojam "ChatGPT trenutak za robote" u kontekstu izjave označava moment kada napredni generativni i multimodalni modeli — posebno oni prilagođeni za 'embodied AI' — dramatično povećavaju korisnost i pristupačnost robotskih sistema za širok spektar zadataka. Takvi modeli pokušavaju da povežu percepciju (vid, senzori), razumijevanje (jezik, planiranje) i akciju (kontrola, manipulacija) u jedinstvenu arhitekturu, što istraživači i industrija nazivaju i "robot foundation models" ili "world models".
Primjeri ranijih istraživačkih sistema koji pomjeraju granice uključuju projekte kao što su RT‑1 i kombinacije LLM‑ova sa modelima sposobnosti (npr. SayCan), a industrijski igrači poput NVIDIA-e objašnjavaju kako kombinacija vizuelno‑jezičnih modela i modela koji predviđaju dinamiku okoline može omogućiti robusnije donošenje odluka i planiranje u stvarnom svijetu. (NVIDIA objašnjenja o embodied AI i world models).
Rokovi, prepreke i realna očekivanja
Iako ACE Robotics optimistično procjenjuje mogući proboj do kraja 2027., u samom izvještaju se jasno navodi da široka komercijalna primjena može zaostajati — razlozi su višestruki: ograničeni obim stvarnih (real‑world) trening podataka, potreba za rigoroznim testiranjem i verifikacijom u raznolikim uslovima, te inženjerski izazovi integracije velikih modela u robote koji imaju ograničene procesorske i energetske resurse.
Reuters i Decrypt prenose da ACE procjenjuje kako je do sada u domenu prikupljeno relativno malo sati realnih operacija u odnosu na ono što modeli zahtijevaju, zbog čega kompanije nastoje brzo skalirati prikupljanje podataka i pilot‑razmještanja kako bi ubrzale učenje u stvarnom okruženju. (Reuters/Decrypt).
Kontekst industrije i mogući uticaji
Industrija humanoidnih i autonomnih robota intenzivno radi na vlastitim verzijama "embodied" modela; osim kineskih startupa, i velike tehnološke kompanije i istraživačke grupe objavljuju radove i sisteme koji pokazuju mogućnosti prelaska sa demonstracija na praktične zadatke. NVIDIA i drugi ističu da će standardizacija benchmarka, veća količina real‑svijet podataka i bolji transfer iz simulacije u realnost biti ključni faktori.
Za domaću i regionalnu publiku važno je pratiti kako se razvijaju modeli i gdje će se prve pouzdane komercijalne aplikacije pojaviti — u logistici, maloprodaji, industrijskoj automatizaciji ili uslužnim djelatnostima. ACE je, prema izvještajima, najavio planove za pilot‑implementacije u trgovinama i razmatraće javnu ponudu kad regulatorni i tržišni uslovi dozvole. (Decrypt, Reuters).
Dodatni kontekst i resursi
Publikacije o "robot foundation models" i "embodied AI" objašnjavaju tehničke principe koji stoje iza očekivanog napretka i zašto je prikupljanje velikih brukar‑satova (operativnih sati) presudno za generalizaciju modela. Za dublje tehničko razjašnjenje preporučujemo tekstove istraživača i industrije o RT‑1/RT‑2, SayCan i sličnim radovima, kao i objašnjenja NVIDIA‑e o world models i embodied AI.
Komentari
Diskusija je otvorena za W3M korisnike. Komentare mogu čitati svi, a objavljivanje zahtijeva prijavu.
Za komentarisanje i odgovaranje potreban je W3M nalog.