اولین بازی Zero Power's WRC: یک تیم پس از سال 2000 از یک راه حل همه جانبه برای حل چالش های پیاده سازی ربات انسان نما استفاده می کند

ژانگ ژنینگ، بنیانگذار Zero Power، فارغ التحصیل آزمایشگاه هوش مصنوعی Tsinghua، فناوری اصلی آن، ربات انسان نمای بازوی ZERITH-چرخ H1- را به نمایش گذاشت. اندام‌های فوقانی آنتروپومورفیک آن 28 درجه آزادی را یکپارچه می‌کنند و به حسگرهای بصری و لمسی فراطیفی (برگرفته از فناوری ICRA{5}}به‌دست‌آمده از آزمایشگاه) مجهز هستند. این حسگرها به طور همزمان داده ها را در هفت حالت شامل بینایی، نیرو، لمس و حرکت مشترک می گیرند. سیستم کنترل واقعیت مجازی همراه، تأخیر ماشین را به 3 میلی‌ثانیه کاهش می‌دهد و به مهندسان این امکان را می‌دهد تا ربات را به روشی مجازی «دوقلو» کنترل کنند و چهار ساعت جمع‌آوری مداوم داده‌ها را بدون وقفه ممکن می‌سازد.

حتی پیشگامانه‌تر، معماری «-خود واقعیت مجازی-یادگیری تقویتی» آن است: از طریق یک حلقه Real2Sim2Real، ابتدا یک محیط شبیه‌سازی وفاداری بالا با داده‌های سناریوی واقعی-جهان آموزش داده می‌شود، که سپس با استفاده از میلیون‌ها نقطه داده عملیاتی به مدل بازگردانده می‌شود. در نهایت، خطاها در دنیای واقعی از طریق تصحیح خودکار RL تصحیح می شوند. داده‌های میدانی نشان داد که مدل Zerith-V0 پس از 72 ساعت کار مداوم در یک کار تمیز کردن دسک‌تاپ، حتی در سناریوهای پیچیده مانند لکه‌ها و انسدادهای مخلوط روغن و آب، نرخ موفقیت 99.8٪ را حفظ کرد، که بسیار فراتر از میانگین صنعتی 85٪ است.

برخلاف نمایش ماشین های مفهومی اکثر شرکت ها، Zero Power به طور مستقیم سناریوهای عمودی مانند "تمیز کردن خانه" و "مونتاژ قطعات صنعتی" را به کنفرانس آورد. پلت فرم مدیریت داده آن با چارچوب‌های الگوریتم اصلی مانند ACT و Diffusion Policy سازگار است و به مشتریان اجازه می‌دهد داده‌ها را با یک کلیک وارد کنند و مدل‌ها را سریع- تنظیم کنند. طبق گزارش‌ها، این تیم با سه شرکت پیشرو لوازم خانگی همکاری کرده است و قصد دارد تا پایان سال یک «راه‌حل ربات تمیزکننده مدولار» را راه‌اندازی کند که هزینه‌های استقرار در هر سناریو را تا 60 درصد در مقایسه با راه‌حل‌های سنتی کاهش می‌دهد.

ژانگ ژنینگ در مصاحبه‌ای گفت: «ما یک «پاورپوینت راه رفتن» نمی‌سازیم، بلکه به روبات‌ها اجازه می‌دهیم «با انجام کار بیاموزند»، درست مانند انسان‌ها. معماری «همه‌وجهی» Zero Power نه تنها کمبود داده‌های کنونی را برطرف می‌کند، بلکه رابط‌های گسترده‌ای را برای نیرو، لمس، معناشناسی و مدل‌های جهانی فراهم می‌کند، و پایه‌ای را برای تکامل-مدل‌های تجسم‌یافته در مقیاس بزرگ طی 3-5 سال آینده ایجاد می‌کند. این رویکرد «تحقیق و توسعه مبتنی بر سناریو» با موقعیت استراتژیک وزارت صنعت و فناوری اطلاعات در زمینه هوش تجسم یافته به عنوان «تغییر از استدلال مجازی به دستکاری فیزیکی» همسو است.

از آنجایی که روبات‌های انسان‌نما به سرعت در طیف گسترده‌ای از صنایع نفوذ می‌کنند، اولین حضور Zero Power در WRC نه تنها گواهی بر مهارت تکنولوژیکی آن است، بلکه نشانه‌ای است که نسل کارآفرینی چین پس از سال 2000 در حال تعریف مجدد آینده تجاری هوش تجسم‌یافته از طریق رویکرد دوگانه «تعمیق فناوری به توسعه برنامه‌ها» است.