فرارو-هوش مصنوعی و رباتیک روزبه روز پیشرفته تر می شوند و نسل جدید ربات ها با توانایی های انسان گونه در حال ظهورند. ربات هایی که علاوه بر اجرای دستورات ساده، می توانند تصمیم بگیرند، محیط اطراف را درک کنند و وظایف پیچیده را با دقت و انعطاف انسانی انجام دهند. این حوزه که به هوش تجسمی معروف است، موجب ایجاد رقابت جهانی میان شرکت ها و کشورها شده و نوآوری های جدیدی را در ربات های صنعتی، خدماتی و خانگی به نمایش می گذارد.

به نقل از گیزمو چاینا، تسلا پروژه ربات انسان نمای خود، اُپتیموس ، را در اولویت قرار داده است و امیدوار است این ربات بتواند نقش کلیدی در آینده و ارزش شرکت ایفا کند. ایلان ماسک قصد دارد تا 2030، هر سال یک میلیون ربات اُپتیموس تولید کند این ربات برای کارخانه ها طراحی شده است، اما در خانه نیز قابل استفاده است.

شرکت Boston Dynamics ربات Atlas را به یک پلتفرم انسان نمای تمام الکتریکی تبدیل کرده است. Atlas می تواند با ابزارها کار کند و از مسیرهای دشوار عبور کند. این ربات با حمایت تویوتا به عنوان یک راهکار صنعتی معرفی شده، اما هنوز نمی توان آن را در زندگی روزمره به کار برد.

NVIDIA با تمرکز بر نرم افزار وارد رقابت رباتیک شده و با پلتفرم Isaac و مدل های پایه GR00T، ابزارهایی برای شبیه سازی و تصمیم گیری ربات ها در اختیار توسعه دهندگان قرار می دهد. NVIDIA قصد دارد با معرفی مدل GR00T، توان تصمیم گیری ربات ها را در محیط واقعی بهبود ببخشد. به این ترتیب، NVIDIA بیشتر به عنوان مغز هوش تجسمی عمل می کند تا تولیدکننده سخت افزار.

با وجود توانایی های برجسته ربات ها در دویدن، پریدن یا کار با ابزار، بیشتر ربات های انسان نما هنوز در انجام کارهای واقعی مشکل دارند. فعالیت های ساده مثل تا کردن لباس، سرو غذا یا مراقبت از افراد، بسیار دشوارتر از آن چیزی است که تبلیغ می شود. این شکاف بین توانایی های نمایشی و کارکرد واقعی، مانع پذیرش ربات ها در خانه ها و صنایع شده است.

یک شرکت تازه کار چینی به نام X Square Robot با معرفی ربات متن باز Wall-OSS وارد میدان شده است. Wall-OSS اولین مدل هوش تجسمی ساخته شده در چین است و ربات ها را قادر می سازد در محیط های غیرقابل پیش بینی، عملکرد مناسبی ارائه دهند. این ربات برخلاف سیستم های اختصاصی تسلا و Boston Dynamics، به رایگان در GitHub و Hugging Face ارائه می شود.

Wall-OSS طوری طراحی شده که تنها به اطلاعات مهم توجه کند و به سرعت واکنش نشان دهد. این ربات ورودی های مختلف مانند دیدن، شنیدن و حرکت کردن را به طور جداگانه پردازش می کند. به عنوان مثال از تصویرها برای شناسایی اشیا استفاده می کند، دستورات صوتی را جداگانه تحلیل می کند و حرکات ربات نیز به طور مستقل انجام می شوند.

با این روش، ربات ها می توانند کارهای چند مرحله ای را همزمان انجام دهند و در محیط های ناشناخته سریع تر و دقیق تر عمل کنند. مثل برداشتن سیب از روی میز و گذاشتن آن در کاسه. این روش شبیه عملکرد انسان است و موجب می شود ربات ها در محیط های ناشناخته سریع تر و دقیق تر عمل کنند.

Wall-OSS با ویژگی استدلال زنجیره ای می تواند کارها را مرحله به مرحله انجام دهد. برای نمونه، هنگام دستور تمیز کردن میز ، ابتدا به هم ریختگی ها را شناسایی می کند، وسایل را مرتب می کند، ظروف را برمی دارد و سپس سطح میز را تمیز می کند. این قابلیت محدود به کارهای خانگی نیست و در محیط های صنعتی و خدماتی نیز کاربرد دارد. ربات های انبار می توانند بسته ها را بچینند و ربات های مراقبتی ابزارها را آماده می کنند.

برخلاف مدل های قدیمی، Wall-OSS با داده های فراوان از دید، زبان و حرکت آموزش داده شده است. این داده ها ترکیبی از گزارش های واقعی، ویدئوهای شبیه سازی شده و محیط های مصنوعی با شرایط متفاوت هستند. این یادگیری گسترده ربات ها را قادر می سازد در محیط های پیچیده و تغییرپذیر، بهتر و دقیق تر عمل کنند.

شرکت X Square Robot برای نشان دادن توانمندی Wall-OSS، ربات Quanta X2 را معرفی کرده است. Quanta X2 دارای پایه چرخ دار، بازوی 7 مفصلی و دستی انعطاف پذیر است. این ربات می تواند حرکات پیچیده انجام دهد و با گیره های چرخشی 360 درجه محیط را پاکسازی کند. Quanta X2 برای استفاده در محیط های خدماتی، خانگی و صنعتی طراحی شده است.

برخلاف دیگر شرکت ها که از سیستم های اختصاصی استفاده می کنند، X Square Robot قصد دارد Wall-OSS را به صورت متن باز عرضه کند. اگر این مدل مورد استقبال قرار گیرد، مدل های متن باز به رقیبی جدی برای سیستم های اختصاصی تبدیل خواهند شد. X Square Robot با سرمایه حدود 100 میلیون دلار، به همکاری متن باز متکی است تا عملکرد قابل اعتمادی را در شرایط غیرقابل پیش بینی ارائه دهد، چالشی که سیستم های اختصاصی هنوز نتوانسته اند آن را برطرف کنند.

Wall-OSS مانند مغز ربات عمل می کند و سازندگان می توانند از آن برای هوشمندتر کردن ربات های خود استفاده کنند. اکنون سازندگان دیگر فقط بر سر نمایش توانایی ربات ها رقابت نمی کنند و هدف این است که ربات ها در شرایط واقعی نیز عملکرد قابل اعتمادی را ارائه دهند.