Arm робот техникийн "Robotics Capability Framework" ба "Total Design for Physical AI"-ийг зарлалаа: Роботын хөгжүүлэлтийн RL0-RL5 шинэ стандарт
Хиймэл оюун ухаан зөвхөн дэлгэцийн цаана текст үүсгэх, код бичих хүрээнээс хальж, бодит ертөнцөд биежин үйлдэл хийх Physical AI (Бодит/Биет хиймэл оюун ухаан)-ийн эрин үе эрчээ авч байна. Үйлдвэрийн роботууд, автомат агуулах, хүмүүнлэг (humanoid) роботууд болон өөрөө явагч системүүд өдрөөс өдөрт эрчимжиж байгаа ч өнөөг хүртэл нэгдсэн экосистем, нийтлэг стандарт дутагдаж ирсэн.
Өнөөдөр Arm компани уг асуудлыг шийдэх зорилгоор "Arm Total Design for Physical AI" санаачилгыг зарлаж, салбарын хөгжлийг түргэсгэх зорилготой Robotics Capability Framework (RCF)-ийг албан ёсоор дэлгэлээ. Тэд өөрийгөө жолооддог автомашинуудыг Level 0–5 ангиллаар тодорхойлдог шиг роботын чадамжийг RL0-ээс RL5 хүртэл ангилах нийтлэг стандартыг салбарын 80 гаруй тэргүүлэх тоглогчтой хамтран боловсруулж байна.
80 гаруй технологийн акул нэгдэв
Arm-ийн тооцоолсноор Physical AI салбар нь 2030-аад он гэхэд жилд 200 тэрбум ам.долларын тооцооллын зах зээл (compute opportunity) болон хувирах төлөвтэй байна. Гэвч энэ боломжийг бүрэн нээхэд программ хангамж, сенсор, тооцоолох чип, механик эд анги (actuators) тус тусдаа хэт салангид (fragmented) байгаа нь хамгийн том гацаа болж байв.
Энэхүү интеграцийн бэрхшээлийг шийдэхийн тулд Arm Total Design экосистемд дараах 80 гаруй байгууллага нэгдээд байна:
- Үүлэн тооцоолол ба дэд бүтэц: AWS, QNX
- AI загвар ба программ хангамж: Hugging Face, Alibaba-ийн Qwen баг, Liquid AI
- Чип ба үйлдвэрлэлийн систем: Siemens, NXP Semiconductors, ECARX
- Робот үйлдвэрлэгчид: Unitree Robotics, ANYbotics, Fourier болон бусад тэргүүлэгчид
Түншлэлийн хүрээнд хөгжүүлэгчид роботын бодит чип (silicon) бэлэн болохоос өмнө дижитал ихэр (digital twin), виртуал загварчлалын түвшинд системийн программ хангамж, автономит логикоо урьдчилан загварчилж, турших боломжтой болж байна.
Robotics Capability Framework (RCF) гэж юу вэ?
Энэхүү санаачилгын гол цөм нь Robotics Capability Framework (RCF) юм. Өмнө нь "Манай робот ухаалаг", "Энэ робот хиймэл оюунтай" гэдэг ойлголтууд маркетингийн тодорхойгүй үг төдий байсан бол RCF нь роботын оюун чадамж ба системийн техникийн шаардлагыг хооронд нь холбосон 6 түвшний стандартыг санал болгож байна:
- RL0 (Reactive / Scripted): Урьдчилан бичсэн хатуу логик, энгийн сенсорын хариу үйлдлээр ажилладаг энгийн үйлдвэрийн гар, механик төхөөрөмжүүд.
- RL1 (Assisted Perception): Хүрээлэн буй орчноо энгийн түвшинд камераар харж, саад мэдэрдэг боловч бие даан чиглэл өөрчлөх шийдвэр гаргахгүй туслах түвшин.
- RL2 (Semi-autonomous): Тодорхой динамик саадыг тойрох, заасан чиглэлийн дагуу өөрөө хөдлөх зэрэг хэсэгчилсэн автономит ажиллагаа.
- RL3 (Contextual Adaptation): Орчны өөрчлөлтөд дасан зохицож, нөхцөл байдлыг дүгнэн локал түвшинд шийдвэр гаргах чадвартай роботууд. Одоогийн зарим дэвшилтэт робот нохой, автомат агуулахын төхөөрөмжүүд энд багтана.
- RL4 (Autonomous Goal Deliberation): Хүнээс зөвхөн "Тэр хайрцгийг аваад нөгөө өрөөнд хүргэ" гэсэн ерөнхий даалгавар (high-level goal) авахад зам, саад, механик хүчээ өөрөө тооцоолж бүрэн бие даан хэрэгжүүлдэг систем.
- RL5 (Cognitive & Self-Improving Physical AGI): Бодит ертөнцөд өөрийн алдаанаас суралцдаг, мета-сургалт хийдэг, урьд өмнө огт харж байгаагүй орчин, багаж хэрэгсэлтэй шууд дасан зохицож ажилладаг физик түвшний хиймэл ерөнхий оюун ухаан (Embodied AGI).
Хамгийн чухал нь энэ ангилал нь зөвхөн алгоритмын түвшин биш, тухайн роботод шаардлагатай:
- Хоцрогдол (Latency): Миллисекундын бодит цагийн хариу үйлдэл
- Тооцоолох байршил (Compute Placement): Хэдийг нь робот дээр (On-device/Edge), хэдийг нь Cloud дээр боловсруулах
- Эрчим хүч ба дулаан (Power & Thermal Budget): Роботын батарей, хөнгөн жингийн хязгаарлалттай нийцүүлэх архитектурын шалгууруудыг нарийн зааж өгч буйгаараа онцлогтой.
Программ хангамжийн инженерүүдэд энэ яагаад чухал вэ?
Өнөөдрийг хүртэл роботын инженерчлэл нь зөвхөн механик, цахилгааны салбар мэт харагддаг байсан бол Physical AI-ийн эрин үед энэ нь бүрэн программ хангамж, системийн архитектурын салбар болон хувирч байна.
-
Edge AI ба VLA загварууд (Vision-Language-Action): Робот дээр ажиллах загварууд нь зөвхөн текст биш, харааны болон хөдөлгөөний векторуудыг зэрэг тооцоолдог multimodal суурь загварууд болсон. Arm-ийн архитектур нийтлэг болсноор бид өөрсдийн PyTorch, TensorRT эсвэл OpenVINO моделиудыг роботын төрөл бүрийн чип дээр дахин дахин нийцүүлэх гэж цаг алдахгүй.
-
Cloud vs. Edge оркестраци: RL3, RL4 түвшний роботууд том оврын LLM/VLM төлөвлөлтийг үүлэн дээр хийж, харин унахгүй тэнцвэрээ хадгалах, мөргөлдөхөөс сэргийлэх 1-5ms хурдтай эгзэгтэй командуудыг төхөөрөмж дээрээ (On-device) ажиллуулдаг. Энэхүү гибрид сүлжээ, RPC болон streaming архитектурыг барьж байгуулах нь backend болон systems инженерүүдийн хувьд томоохон ажлын талбар болж байна.
-
Нэгдсэн симуляцийн орчин: Siemens, AWS зэрэг гигантууд уг төсөлд орж ирснээр роботыг бодит ертөнцөд гаргаж эвдэхээс өмнө виртуал физик симуляци (Nvidia Omniverse, AWS SimSpace гэх мэт) дээр CI/CD зарчмаар тестлэх автоматжуулалт хөгжүүлэгчдэд хүртээмжтэй болно.
Цаашдын төлөв
Arm-ийн Physical AI бизнес нэгжийн дэд ерөнхийлөгч Дрю Хенри (Drew Henry): "Physical AI бол хиймэл оюун ухаан машин төхөөрөмжид биежин орж, орчноо мэдэрч, шийдвэр гарган, бодит ертөнцөд аюулгүй үйлдэл хийх явдал юм. Үүнийг ямар нэгэн ганц компани дангаараа шийдэж чадахгүй" хэмээн онцолжээ.
LLM загваруудын хөгжил ханаж байна уу үгүй юу гэсэн маргаан үргэлжилж буй энэ үед AI-ийн дараагийн том тэсрэлт нь өгөгдлийн төвөөс гарч бодит биет ертөнцтэй харилцах явдал гэдэг нь улам тодорхой болсоор байна. Robotics Capability Framework нь энэ их шилжилтийн гол луужин байх бололтой.
Эх сурвалж: Arm Newsroom, PR Newswire, Developer Tech News
Сэтгэгдэл
Ачаалж байна...