- Neuron AI menggabungkan berbagai input sensor untuk meningkatkan kemampuan interaksi robot.
- Model ini mendukung berbagai platform robot, menyesuaikan dengan kebutuhan aplikasi yang berbeda.
- NEURA berencana untuk mendemonstrasikan proses otomatisasi Neuron AI, menekankan pada pemeliharaan konteks.
- Proses pelatihan menggabungkan pengalaman dunia nyata dan variasi simulasi.
NEURA Robotics telah meluncurkan Neuron AI, sebuah model dasar robot yang dirancang untuk membantu robot memahami dan berinteraksi dengan lingkungan sekitarnya menggunakan berbagai input sensor. Sistem ini menggabungkan persepsi visual, sentuhan, suara, informasi status robot, dan memori untuk mendukung pelaksanaan berbagai tugas. Perusahaan asal Jerman ini berencana untuk menerapkan model ini di berbagai platform robot, memungkinkan pelanggan untuk menyesuaikan fungsinya sesuai dengan kebutuhan aplikasi tertentu. NEURA juga berencana untuk mendemonstrasikan teknologi ini melalui robot humanoidnya, menunjukkan konsep pengembangan sistem robot adaptif untuk menghadapi lingkungan nyata.
Fungsi dan Desain Neuron AI
Neuron AI adalah model dasar robot yang dirancang untuk menggabungkan persepsi visual, sentuhan, suara, bahasa, dan memori, bertujuan untuk membantu robot melaksanakan tugas-tugas kompleks. Perusahaan robot asal Jerman ini menggambarkan sistem ini sebagai model persepsi-bahasa-tindakan (PLA) yang mampu memproses informasi sensor dan mengubahnya menjadi tindakan fisik. Arsitektur ini dirancang untuk mendukung berbagai platform robot, memungkinkan keterampilan untuk disesuaikan dengan berbagai aplikasi tanpa perlu mengembangkan secara terpisah untuk setiap mesin. Neuron AI mengintegrasikan berbagai sumber informasi, termasuk visi 3D, pengukuran sentuhan dan kekuatan, audio, data status robot, dan bahasa.
Menurut NEURA, model ini menyelaraskan input-input ini seiring waktu, membantu robot menginterpretasikan lingkungan sekitarnya dan mempertahankan konteks selama pelaksanaan tugas.
Penambahan data sentuhan dan kekuatan dapat membantu robot menentukan apakah interaksi fisik mencapai efek yang diharapkan. Misalnya, perubahan gaya kontak dapat menunjukkan apakah sekrup terpasang dengan benar, sementara petunjuk audio dapat membantu mengidentifikasi apakah kunci mekanis telah terpasang dengan baik. Contoh-contoh ini menunjukkan kemampuan yang diharapkan, bukan hasil kinerja yang terverifikasi secara independen. Memori adalah komponen lain dari arsitektur ini. NEURA menunjukkan bahwa sistem ini dapat menyimpan informasi tentang peristiwa sebelumnya dan objek yang telah keluar dari pandangan, yang dapat membantu robot mengoordinasikan tindakan di berbagai tahap tugas. Pendekatan ini menggabungkan persepsi, informasi konteks, dan tindakan dalam satu model yang komprehensif.
Namun, perusahaan ini belum merilis tolok ukur untuk membuktikan sejauh mana memori atau input sensor tambahan meningkatkan kinerja dibandingkan dengan sistem visual.
Infrastruktur Pelatihan dan Mitra Kerja
NEURA menyatakan bahwa Neuron AI mendukung lima jenis implementasi robot, termasuk 4NE1 Gen 3 dan Gen 4 robot humanoid, sebuah platform roda 4NE1, serta dua platform robot lengan ganda tambahan. Pendekatan ini bertujuan untuk mentransfer kemampuan yang dipelajari ke berbagai konfigurasi perangkat keras, sambil memungkinkan pelanggan untuk menyesuaikan keterampilan sesuai dengan kebutuhan spesifik mereka. Informasi produk perusahaan menunjukkan bahwa pemrosesan inferensi berjalan secara lokal pada robot, tanpa memerlukan koneksi ke cloud. Pemrosesan di perangkat memungkinkan robot untuk melaksanakan keterampilan yang dipelajari tanpa akses terus-menerus ke infrastruktur komputasi jarak jauh.
Proses pelatihan Neuron AI menggabungkan pengalaman robot dunia nyata, variasi simulasi, dan demonstrasi manusia yang direkam dengan paket yang dilengkapi sensor.
Infrastruktur pelatihan NEURA disebut NEURA Gyms, mendukung pengumpulan data, pelatihan keterampilan, dan pengujian tolok ukur. Perusahaan ini juga telah menjalin kemitraan data industri dengan Schaeffler dan Bosch. NEURA berencana untuk memanfaatkan platform Neuraverse-nya untuk membantu pelanggan menyesuaikan kemampuan robot untuk alur kerja tertentu, dan mendistribusikan kemampuan ini di antara beberapa robot. Pelanggan dapat menjaga privasi keterampilan pelatihan mereka, atau memilih untuk berbagi kemampuan dan data penerapan dengan ekosistem yang lebih luas.
Perusahaan ini menganggap "waktu keterampilan" sebagai indikator kemajuan kunci, yaitu waktu yang diperlukan untuk mengajarkan robot melaksanakan tugas dan mencapai eksekusi yang dapat diandalkan. Namun, pengumuman tersebut tidak menyertakan hasil pengukuran untuk indikator ini.
NEURA berencana untuk mendemonstrasikan Neuron AI di NVIDIA GTC Berlin pada 20 hingga 22 Oktober, dengan proses otomatisasi selama 11 menit yang direncanakan mencakup menyusun pakaian, memuat mesin cuci, mematikan dan menyalakan kembali mesin cuci, mengeluarkan pakaian, dan memindahkan pakaian ke pengering tanpa intervensi manusia. Demonstrasi ini bertujuan untuk menunjukkan bagaimana sistem dapat mengoordinasikan beberapa tindakan dan mempertahankan konteks selama pelaksanaan tugas. Proses yang diumumkan melibatkan penanganan pakaian, bukan siklus mencuci dan mengeringkan yang lengkap.
Item Spesifikasi Implementasi robot yang didukung 4NE1 Gen 3, 4NE1 Gen 4, robot humanoid, platform roda 4NE1, platform robot lengan ganda Pemrosesan inferensi Berjalan secara lokal Infrastruktur pelatihan NEURA Gyms
Bagaimana Neuron AI Mengubah Masa Depan Teknologi Robot
Model Neuron AI dari NEURA Robotics mewakili kemajuan penting dalam teknologi robot, dengan mengintegrasikan berbagai input sensor, memungkinkan robot untuk lebih baik memahami dan beradaptasi dengan lingkungan mereka. Interaksi multisensori ini tidak hanya meningkatkan kemampuan eksekusi robot, tetapi juga memungkinkan mereka untuk mempertahankan konteks dalam tugas yang lebih kompleks, yang sangat penting untuk aplikasi otomatisasi di masa depan. Selain itu, infrastruktur pelatihan NEURA dan kolaborasi dengan mitra industri akan lebih mendorong perkembangan dan penerapan teknologi, membawa peluang dan tantangan baru bagi industri robotik.