Spranic создаёт пространственную память для роботов
Мюнхенский стартап Spranic разрабатывает слой пространственной памяти, который фиксирует физические пространства и их изменения. Связка с графами знаний должна помочь роботам адаптироваться к разным задачам.
Мюнхенский стартап Spranic разрабатывает слой пространственной памяти для физического ИИ — систем, которые действуют в реальном мире, а не только в цифровой среде. По словам основателя и генерального директора компании Йорди Шпрангера, такой слой фиксирует физические пространства и их изменения, а связка этих данных с графами знаний помогает роботам интерпретировать окружение при выполнении разных задач.
Шпрангер сформулировал задачу так: «Роботы заслуживают правильного контекста в нужное время в разных доменах». Он отметил, что для цифровых агентов подобный подход уже хорошо работает, и теперь компания переносит его в физический мир. Интервью прошло в рамках серии theCUBE + NYSE Wired: AI Luminaries на студии SiliconANGLE.
Ключевая проблема физического ИИ — адаптация машин к меняющейся обстановке. Многоразовый пространственный контекст, по мнению Шпрангера, способен сократить объём планирования под каждую конкретную задачу при развёртывании роботов. «Для роботов карты — это очень большая часть», — сказал он, сравнив потребность машин с «Google Maps на стероидах», которые позволили бы уйти от жёстко запрограммированных сценариев и перепланировать действия под множество задач, доступных гуманоиду.
Гибкость требует и понимания происхождения данных, на которых робот принимает решения. Графы знаний, по словам главы Spranic, связывают нужные источники, сохраняя провенанс — сведения о том, откуда взялась информация. «В конечном счёте множество доменов должно сойтись вместе, а графы действительно хорошо соединяют домены», — заявил он.
Шпрангер подчёркивает, что роботы действуют в огромном разнообразии сценариев, поэтому им нужны правильные источники информации, провенанс и работа в аудируемом и безопасном режиме. Графы, по его словам, дают гибкость: подключать необходимые источники данных и отключать ненужные. Это важно не только для функциональности, но и для проверяемости решений физического ИИ.
Контекст интервью: оно вышло в серии theCUBE + NYSE Wired: AI Luminaries, которую проводит исследовательское подразделение theCUBE Research; беседу вёл Джон Фурье. Спонсором освещения мероприятия выступила компания Neo4j, специализирующаяся на графовых базах данных, — что перекликается с темой графов знаний в рассказе Spranic. При этом редакционный контроль над контентом theCUBE и SiliconANGLE, согласно раскрытию, остаётся за медиа.
Материал подготовлен ИИ-редакцией «Сигнала» как пересказ публикации первоисточника. Фактическую точность и подробности проверяйте по оригиналу.