Современная робототехника столкнулась с фундаментальной проблемой, связанной с нехваткой данных для обучения машин. По оценкам экспертов, для освоения простых человеческих действий роботам потребуется объём информации, эквивалентный 100 тысячам лет обучения.

Профессор Кен Голдберг из Калифорнийского университета в Беркли описывает так называемый "разрыв в 100 000 лет" между текстовыми данными, используемыми для обучения языковых моделей, и физическими данными, необходимыми для обучения роботов. Этот разрыв делает оптимистичные прогнозы о скором превосходстве роботов над людьми в выполнении сложных задач преждевременными.

Основная сложность заключается в освоении физических манипуляций. Простые человеческие действия, такие как возможность взять и поднять стакан или заменить лампочки, требуют точного восприятия пространства, контроля усилия и постоянной обратной связи. Роботы с такими задачами справляются с большим трудом.

Существуют два подхода к решению проблемы. Одни специалисты предлагают собирать больше данных через дистанционное управление и видеозаписи. Другие делают ставку на традиционные инженерные методы и физическое моделирование.

Голдберг предлагает прагматичный компромисс: сначала создать достаточно надежных роботов для выполнения ограниченного круга задач, а затем использовать их для сбора реальных данных в процессе работы. Такой подход уже доказал эффективность в автономных автомобилях и складских системах.

Эксперты сходятся во мнении, что прорыв в робототехнике потребует не только улучшения алгоритмов, но и развития механических компонентов. Современные роботы часто потребляют много энергии и нуждаются в постоянной вычислительной коррекции из-за ограничений своего аппаратного обеспечения.

Развитие робототехники, вероятно, пойдет по пути создания более адаптивных, биологически вдохновлённых конструкций, сочетающих механический интеллект с продвинутым программным обеспечением.