Setrvačník dat: robot se učí z vlastní práce
Jádro celého plánu se jmenuje „data flywheel“, tedy setrvačník dat. Funguje jako sněhová koule. Robot v reálném provozu sbírá data, ta se použijí na trénink modelu, lepší model se nasadí zpět do robota, který pak sbírá kvalitnější data. A tak pořád dokola. Každé kolo zlepšuje další.
LG k tomu nezačíná od nuly. Firma uvádí, že má desítky let zkušeností z výrobních a komerčních provozů a znalosti zkušených zaměstnanců, které teď převede do podoby trénovacích dat. V Data Factory, jak se prostor jmenuje, jsou nasazení roboti Cloi, kteří data generují, sbírají a učí se z nich.
Proč to dává smysl? Trénovat robota jen v reálném světě je pomalé a drahé. Každý úkon musí někdo odřídit fyzicky a chyba zastaví linku. Setrvačník to obchází tím, že se data vracejí do systému automaticky. Čím déle roboti běží, tím víc záznamů mají a tím přesněji se model učí. Právě tenhle mechanismus popsal zdroj DigitalToday, který o schůzce informoval jako první.
Co do toho vnáší Nvidia
Nvidia sem přináší hlavně syntetická data a simulaci. Zdroj zmiňuje, že LG aplikuje robotická řešení Nvidie na „syntézu a amplifikaci“ dat – tedy že z relativně malého vzorku reálných záznamů vytvoří v simulaci jejich tisíce variant. Slouží k tomu platforma Isaac a konkrétně Isaac Sim, simulační engine, který Nvidia sama označuje za „synthetic data engine“.
Pro představu: jeden reálný záznam, jak robot uchopí krabici, lze v simulaci rozkopírovat do stovek scénářů s jiným osvětlením, úhlem nebo hmotností. Model se tak učí na situacích, které by fyzicky trvalo týdny nacvičit.
Hardwarově má tohle běžet na čipech Jetson Thor z architektury Blackwell. Podle specifikací Nvidie dávají až 2070 TFLOPS (FP4), tedy zhruba 7,5násobek výkonu předchozí generace AGX Orin, při třiapůlnásobné energetické účinnosti a spotřebě 40 až 130 W. Pro robota, který má reagovat v reálném čase přímo na lince, je to podstatné: výkon zůstává v zařízení a nezávisí na cloudovém připojení.
Z výrobce spotřebičů k „total providerovi“
Český zákazník zná LG hlavně jako výrobce televizí a spotřebičů. Robotika je méně viditelná část byznysu, ale podle firmy má široké portfolio – roboty pro průmysl, komerční provoz i domácnost a vlastní výrobu klíčových součástek včetně aktuátorů, tedy motorů, které robotovi pohybují klouby.
Právě kombinace hardwaru a dat je to, čím se chce LG odlišit. Generální ředitel Jae-cheol Ryu mluví o synergii „One LG“, která má spojit schopnosti napříč koncernem a se strategickými partnery, jako je Nvidia, zajistit konkurenceschopnost ve fyzické AI a proměnit LG v dodavatele robotiky od A do Z.
Pro český a evropský trh jde spíš o výhled než okamžitou změnu. Ze schůzky nevyplynul žádný konkrétní produkt ani termín. Podstatné ale je, že fyzická AI – tedy AI, která působí na reálný svět skrz robota – spadá v Evropě pod dohled AI Actu. Výrobce, který v EU nasadí robota s modelem natrénovaným v cizím provozu, bude muset doložit, jak funguje a na jakých datech se učil.
Oznámení, ne produkt
Zatím jde o memorandum a strategické setkání, nikoli o hotovou věc. LG označila letošní rok za „první rok skoku“ v robotice a buduje pro ni samostatnou organizační jednotku. Kolik robotů Cloi dnes v Data Factory reálně běží a jaké modely na datech firma natrénovala, neuvedla.
I to je důvod k opatrnosti. Slova jako „setrvačník dat“ popisují směr, ne výsledek. Zda z něj vznikne fungující produkt, ukážou až konkrétní čísla – počty nasazených robotů, úspěšnost modelů a reálné zakázky. Prozatím je jisté jen to, že se dva velcí hráči domluvili a postavili vedle sebe hardware a trénovací infrastrukturu.
Co je to fyzická AI?
Pojem, kterým Nvidia označuje AI působící na reálný svět prostřednictvím robota – na rozdíl od chatbotů, které pracují jen s textem. V robotice jde o modely, které robota naučí vnímat okolí, rozhodovat se a jednat.
V čem jsou syntetická data lepší než natáčení reálných úkonů?
Jeden reálný záznam lze v simulaci rozkopírovat do stovek variant s jiným osvětlením, úhlem nebo hmotností. Model se učí na situacích, jejichž nácvik by fyzicky trval týdny. Nevýhodou je, že simulace nemusí věrně zachytit všechny nuance reálného provozu.
Spadá tahle robotika pod EU AI Act?
Ano. Robotické systémy s AI v pracovním nasazení patří mezi rizikové kategorie AI Actu. Výrobce bude muset před nasazením v EU doložit, jak model funguje a na jakých datech se učil.