Toyota выделяет в отдельную структуру «единорога-робота»: как Walden внедряет «большие поведенческие модели» на заводы?

Автор: Zen, PANews

До 15 июля Walden Robotics оставалась неизвестной широкой публике.

А в тот же день эта компания-робототехники, выделившаяся из Toyota Research Institute, внезапно официально представилась и сразу раскрыла раунд посевного финансирования на 300 млн долларов и оценку в 1,1 млрд долларов.

Раунд возглавили Toyota и Deviation Capital, а также участие приняли индустриальные инвесторы, включая NVIDIA, Boeing, Samsung Ventures, Prologis Ventures и CoreWeave Ventures.

От основания до выхода в ряды «единорогов» Walden потребовалось всего полгода. При этом у нее уже были многие условия, о которых мечтают робототехнические стартапы: зрелая исследовательская команда, достаточный объем капитала, открытая производственная система Toyota и потенциальные каналы для сотрудничества с инвесторами из производственной, авиакосмической, электронной и логистической отраслей.

Новый «единорог» из Toyota Research Institute

До объявления о раунде финансирования Walden Robotics все это время находилась в режиме «инкогнито».

В январе этого года Walden отделилась от Toyota Research Institute (ниже — «TRI») и была основана как самостоятельная компания. Вдохновение для названия компания черпала из произведения американского писателя Генри Дэвида Торо «Уолден» (Walden), в котором говорится о важности осознанной, целенаправленной жизни. Это также отражает вопросы, которые компания намерена изучать: как роботы смогут помочь людям находить больше смысла в работе и в повседневной жизни.

По оценке сооснователя и CEO Walden Russ Tedrake, универсальные роботы, движимые физическим ИИ, несомненно являются разрушительной технологией и уже достигли ключевого перелома. Однако чтобы добиться коммерческого успеха, роботизированной компании еще нужно доказать юнит-экономику и тесно сотрудничать с клиентами.

После выделения в независимую компанию Walden может более сфокусированно продвигать коммерциализацию робототехнических технологий Toyota Research Institute, выводя результаты из лаборатории в производственную среду. Благодаря сотрудничеству с крупными производственными и логистическими компаниями по всему миру Walden планирует непрерывно проверять возможности продукта в реальных сценариях, чтобы обеспечить его совместимость с реальными производственными процессами и приносить измеримую экономию затрат и рост эффективности.

Russ Tedrake — профессор Массачусетского технологического института. До этого почти десять лет он возглавлял в TRI команду по робототехнике и машинному обучению. Его команда внесла множество вкладов в фундаментальные исследования, включая Diffusion Policy, универсальный интерфейс операций (UMI), Large Behavior Models (LBM), OpenVLA и open-source симулятор Drake.

Помимо Russ Tedrake, в текущую команду-основателей Walden входят CTO Ben Burchfiel, COO Kerri Fetzer-Borelli, главный продуктовый директор Dave Johnson, главный директор по стратегии Adrien Gaidon, главный архитектор Siyuan Feng и руководитель по ИИ Rares Ambrus. Многие из них также выступают руководителями проектов в исследованиях LBM в TRI и участвуют в создании архитектуры модели, системы обучения, симуляции и оценки.

Команда Walden Robotics, слева вторая — Russ Tedrake

Видно, что по сравнению с обычными стартапами у Walden стартовые условия и платформа явно выше. С одной стороны, компания берет на себя результаты десятилетних исследований TRI в области робототехники; с другой стороны, Toyota является не только ключевым инвестором, но и его самым важным партнером по раннему индустриальному сотрудничеству, предоставляя первые реальные производственные сценарии.

Поддержка производственной системы Toyota сокращает Walden цикл коммерческой проверки

Одна из типичных проблем компаний в области embodied AI — разрыв между разработкой технологий и коммерческим развертыванием.

Роботам нужно попадать в реальную среду, чтобы получать высококачественные данные, но у ранних продуктов есть вопросы по надежности и экономичности, из-за чего сложнее убедить корпоративных клиентов и внедрить систему в реальную работу. А без сценариев развертывания и данных модели сложно покрывать аномальные ситуации в реальном мире, и возможности продукта трудно поддерживать на устойчивом уровне улучшений.

А у Walden, которая получила поддержку производственной системы Toyota еще на старте, в определенной степени сокращается цикл этой проверки. Toyota выступает не только инкубатором для технологий и ключевым инвестором, но и поставщиком первых реальных сценариев развертывания. Walden не нужно с нуля искать промышленных клиентов, и ей не приходится отдельно строить симуляционные заводы для тестирования — она может сразу войти в существующие производственные процессы, совместно с производственной командой определять задачи, настраивать оборудование и оценивать вход-выход.

Ценность такой индустриальной базы заключается не только в том, что она дает площадку для «обучения» роботов. Сможет ли промышленная робототехника создать экономическую ценность, зависит от множества факторов, включая частоту задач, коэффициент использования оборудования и требования к безопасности. Многие задачи роботов, которые хорошо проявляют себя в лаборатории, после попадания на завод могут не иметь ценности для развертывания.

При этом длительно накопленный опыт Toyota в производстве и автоматизации позволяет Walden в приоритетном порядке выбирать этапы, подходящие для текущих технологических возможностей и одновременно дающие понятную коммерческую отдачу, снижая риск рассинхронизации между разработкой продукта и потребностями клиентов.

Кроме того, инвесторский пул Walden дает потенциальные каналы для расширения в сторону внешних сценариев. Помимо Toyota, Boeing, Samsung Ventures и Prologis Ventures соответствуют авиационному производству, электронной промышленности и инфраструктуре логистики, а NVIDIA и CoreWeave связывают робототехнические вычисления и ресурсы для ИИ-обучения.

Очевидно, что эти компании представляют собой потенциальные синергетические ресурсы и могут в будущем открыть для Walden точки входа в сотрудничество. В определенной степени, после того как Toyota решила для нее задачи сценариев и данных на самом раннем этапе коммерциализации, именно то, сможет ли эта технологическая и операционная система выйти за рамки Toyota и превратиться в стандартизированный продукт для большего числа производственных компаний, может оказаться решающим для долгосрочной ценности Walden.

Унаследовав исследовательские работы и технологические результаты TRI, Walden полна уверенности — и здесь нельзя не упомянуть ключевой элемент ее технологической системы: Large Behavior Models (LBM), «модели больших поведенческих сценариев».

Ключевая технология LBM («модели больших поведенческих сценариев») переносит универсальные навыки операций в завод

В отличие от LLM, ориентированных на генерацию текста, LBM должны одновременно обрабатывать визуальные изображения, состояние самого робота, информацию с тактильных датчиков или других сенсоров, а также инструкции по задаче — и на их основе генерировать непрерывные действия. Их цель не в том, чтобы для каждой отдельной работы вручную писать программу, а в том, чтобы с помощью обучения на данных по множеству задач одна и та же модель училась и переносила разные навыки выполнения операций.

Этот подход опирается на многолетние исследования роботного обучения TRI. Diffusion Policy — один из наиболее показательных технологических базисов.

Традиционные промышленные роботы обычно полагаются на заранее заданные траектории движений и условия на рабочем месте. Если меняются положение деталей, компоновка оборудования или производственный процесс, часто приходится снова перепрограммировать и отлаживать систему. Diffusion Policy же учится по распределению действий на основе человеческих демонстраций: модель извлекает закономерности из данных о зрении, действиях и состоянии робота, а затем пытается автономно воспроизвести их.

На этой базе LBM далее объединяет множество задач в единую рамку предварительного обучения. Ранее TRI раскрывала, что в исследованиях использовались данные по роботам почти за 1 700 часов, а также было проведено 1 800 тестов в реальной среде и более 47 тыс. симуляционных тестов. Результаты показали: при обучении части новых задач модели после предварительного многозадачного обучения требуется существенно меньше данных, чем модели с одиночным обучением «с нуля».

В симуляции и реальном мире Walden оценивает свои LBM-модели под разные задачи и условия среды

Это дает основу для продуктовой логики Walden: роботу не нужно полагаться на инженерную команду, чтобы по пунктам программировать каждую операцию — достаточно небольшого числа демонстраций, чтобы адаптировать новые процессы. Для промышленных клиентов такие возможности особенно применимы в производственных средах, где разнообразие продуктов высоко, а производственные задачи часто требуют перенастройки. По сравнению с традиционным автоматизированным оборудованием, которое может только повторять фиксированные действия, робот с обучаемостью способен переключаться между операциями и задачами при более низкой стоимости доработок.

Сейчас Walden использует сочетание автономной работы и удаленной помощи человека. Роботы могут самостоятельно выполнять уже освоенные рутинные задачи, а когда появляются аномальные объекты, изменения среды или ситуация выходит за рамки возможностей модели, вмешиваются операторы удаленно.

В конструкции робота Walden использует форму, сочетающую человекоподобный корпус с двуногими руками и колесную мобильную базу. При этом в продукте основной фокус сделан на двуручных операциях, обучаемости задач и адаптации к среде.

Колесные мобильные роботы нередки в промышленных и складских сценариях, где поверхность ровная и рабочие места четко определены. Их главные преимущества — стабильность, управляемая нагрузка и относительно контролируемая сложность системы. Человекообразный корпус помогает роботу использовать инструменты, рассчитанные на работу с человеком, и рабочие пространства, ориентированные на человека. При этом искомая «универсальность» опирается в первую очередь на способность модели учиться разным задачам и на возможности двуручной системы работать с различными объектами и оборудованием.

Но хотя у Walden и есть уникально сильные условия, она действительно опережает в робототехнической гонке. Как отметил Russ Tedrake на официальном представлении Walden: «Команда достаточно сильная, прогресс идет достаточно быстро, поэтому нам не нужно преувеличивать это». Но для компании, которая только что вышла из режима «инкогнито», как сказал Russ Tedrake: «Мы только в начале этого путешествия».