Galbot lancerer AstraBrain: en bevægelsesmodel til humanoider trænet på 20.000 timers menneskedata

Den kinesiske robotvirksomhed Galbot har offentliggjort AstraBrain-WBC 0.5, en AI-model der skal styre humanoide robotters bevægelser. Modellen er ifølge selskabet trænet på 20.000 timers optagelser af mennesker i bevægelse, hvad Galbot kalder den hidtil største mængde træningsdata af sin slags.

Galbot beskriver modellen som en slags lillehjerne til robotten. Hvor en planlæggende del afgør, hvad robotten skal gøre, er det lillehjernen, der koordinerer selve bevægelsen og holder balancen, ligesom lillehjernen gør hos et menneske. AstraBrain tager sig af helkropsstyringen, altså at få arme, ben og krop til at arbejde sammen i én flydende bevægelse.

Påstanden er, at motorikken skalerer med data

Det, Galbot fremhæver mest, handler om skalering. Selskabet oplyser, at AstraBrain er den første model, der viser en skaleringslov for humanoid bevægelsesstyring. Med andre ord at robottens motorik bliver ved med at blive bedre, jo mere data den trænes på, på samme måde som store sprogmodeller bliver dygtigere med mere tekst.

Mekanismen er velkendt fra de store sprogmodeller, men den har ifølge Galbot ikke før været påvist for selve bevægelsen. De 20.000 timer består af optagelser af menneskelig bevægelse, som modellen lærer mønstrene i. Galbot oplyser, at modellen sætter rigtige humanoider i stand til at udføre en bred vifte af bevægelser.

Påstandene står i selskabets egen præsentationsvideo, og hvad modellen kan i en rigtig robot uden for en demonstration, har Galbot ikke vist uafhængigt.

Galbot blandt Kinas mest profilerede

Galbot hører til de højest profilerede kinesiske aktører i feltet. Selskabet er blandt Kinas højest værdsatte robotvirksomheder efter en stor kapitalrejsning, og det har taget de første skridt mod en børsnotering i Hongkong. Hidtil har Galbot især vist sin hjulbårne humanoid G1 frem i butiks- og lagermiljøer.

Med AstraBrain flytter selskabet fokus fra robottens hænder til hele kroppens bevægelse. Holder skaleringspåstanden, er løftet, at modellen bliver bedre, hver gang Galbot fodrer den med flere timers menneskelig bevægelse.