Teslas Robothjerne: Kan ROS Redde Optimus?

I de seneste uger har Tesla igen domineret samtalen inden for robotteknologi med præsentationen af deres seneste humanoid-prototype, Optimus. Mens det er spændende, at et så stort firma retter opmærksomheden mod feltet, er der også en vis frustration over de urealistiske forventninger, som nogle af deres påstande skaber. Et af Teslas centrale budskaber er, at deres "robothjerne" vil overgå eksisterende teknologi og give deres robotter en enestående evne til at interagere med verden. De hævder, at andre humanoide robotter mangler en hjerne og intelligensen til at navigere selvstændigt. Lad os se nærmere på denne påstand fra et hardware- og softwareperspektiv og sammenligne Teslas tilgang med etablerede open source-løsninger.

Optimus' Hjerne: En Hardware-Evolution i To Akter

Når man designer en computers arkitektur til en robot, er der flere afgørende faktorer. Den vigtigste er evnen til at overholde tidsfrister i beregningerne, også kendt som realtid-egenskaber. En robot skal kunne reagere forudsigeligt og inden for specifikke tidsrammer for at fungere sikkert og effektivt. Andre vigtige egenskaber inkluderer lav latenstid (tiden fra start til slut på en opgave), høj båndbredde (mængden af arbejde udført over tid) og determinisme (at en opgave tager præcis den samme tid hver gang). Disse principper er fundamentale for al avanceret robotik.

Fase 1 (2021): En Plan Baseret på Biler

Under deres første præsentation i 2021 annoncerede Tesla, at Optimus ville bygge på deres Full Self-Driving (FSD) computer, specifikt HW 3.0, som indeholder to af Teslas egne System-on-a-Chip (SOC). Dette kom som en overraskelse for mange i robotbranchen. At bygge forskellige typer robotter kræver typisk vidt forskellig hardware og arkitektur. En bils behov for sensor-input og motorstyring er markant anderledes end de krav, en kompleks humanoid robot med snesevis af led og sensorer stiller. FSD-computeren virkede simpelthen ikke egnet til at styre den type aktuatorer og sensorer, man forventer at finde i en avanceret humanoid.

Fase 2 (2022): Introduktionen af "Bot Brain"

Det ser ud til, at Teslas ingeniørteam anerkendte denne udfordring. Ved deres seneste præsentation i 2022 havde de ændret kurs. I stedet for FSD-hardwaren præsenterede de nu en ny, dedikeret enhed kaldet "Bot Brain". Denne nye hjerne er baseret på kun én Tesla SOC, hvilket er en markant nedskalering af computerkraft sammenlignet med FSD-computeren. Selvom der er få offentlige detaljer, tyder dette på en justering for at reducere strømforbruget og tilpasse formfaktoren til en robotkrop. Denne hurtige ændring inden for et år indikerer, at Tesla stadig er i en tidlig læringsfase med hensyn til at bygge humanoider. De er hurtigt ved at indse, at machine learning måske ikke er den mirakelkur, de har lovet, hvilket ses ved, at deres seneste tilgang til bevægelse bruger traditionel baneoptimering i stedet for machine learning.

Software: Hvorfor Genopfinde Den Dybe Tallerken?

Software udgør uden tvivl den største udfordring inden for robotik i dag. En robots adfærd er typisk struktureret som beregningsgrafer, hvor data flyder mellem forskellige noder (processer), over fysiske netværk og til sidst interagerer med sensorer og aktuatorer. Det mest populære og udbredte valg til at bygge disse systemer i dag er ROS (Robot Operating System).

ROS er ikke et traditionelt operativsystem som Windows eller macOS, men derimod et fleksibelt framework til udvikling af robotsoftware. Det tilbyder biblioteker, en kommunikationsinfrastruktur, drivere til hardware og et væld af værktøjer, der samler det hele. Hundredevis af virksomheder og tusindvis af udviklere bruger ROS dagligt, hvilket har skabt et enormt og aktivt økosystem. Med introduktionen af ROS 2 er mange af de oprindelige udfordringer med hensyn til pålidelighed og realtids-performance blevet løst, hvilket gør det til en robust platform for kommercielle produkter.

Tesla ser dog ikke ud til at bruge ROS. I stedet tyder alt på, at de genbruger softwarekomponenter udviklet til deres selvkørende biler og forsøger at tilpasse dem til en humanoid robot. Deres præsentationer, hvor ingeniører forklarer grundlæggende softwarekoncepter inden for bevægelseskontrol og tilstandsestimering, bekræfter mistanken om, at de genopfinder hjulet. I stedet for at udnytte de eksisterende og velafprøvede ROS-pakker, der allerede løser mange af disse opgaver, bygger de alt fra bunden. Set i lyset af de mange uløste softwareudfordringer for humanoide robotter, er det skuffende at se Tesla bruge ressourcer på at genimplementere kendt teknologi. Ved at omfavne ROS og dets fællesskab kunne de drage fordel af hundredvis af ingeniør-års udvikling og samarbejde med et levende globalt netværk.

Et Kraftfuldt Alternativ: Robotic Processing Unit (RPU)

Hvis Teslas ingeniører kiggede ud over deres egen silo, ville de opdage projekter som Robotic Processing Unit (RPU). RPU er en robotspecifik processorenhed, der er designet til at udnytte hardwareacceleration til at køre robotberegninger effektivt på tværs af CPU'er, FPGA'er og GPU'er. Den er specifikt optimeret til at forbedre ydeevnen af Robot Operating System (ROS 2).

Hardwareacceleration har potentialet til at revolutionere robotik ved at muliggøre hurtigere responstider og mere komplekse applikationer, alt imens strømforbruget holdes nede. RPU er designet med netop dette for øje og tilbyder en langt mere alsidig og kraftfuld platform end Teslas "Bot Brain".

Sammenligning: Tesla's "Bot Brain" vs. Robotic Processing Unit (RPU)

For at sætte tingene i perspektiv, lad os sammenligne de to tilgange i en tabel.

Som tabellen viser, leverer RPU en dramatisk forbedring i AI-ydeevne og er fra bunden designet til de specifikke udfordringer, robotik medfører. Fra realtids-egenskaber til strømforbrug og perifere enheder, fremstår Teslas nuværende robothjerne som utilstrækkelig.

Konklusion: En Invitation til Fællesskabet

Hverken Teslas hardware- eller softwaretilgang ser ud til at være klar til at levere den "intelligens til at navigere i verden selvstændigt", som de lover. Ikke for deres biler, og endnu mindre for deres humanoider. Den lukkede tilgang og beslutningen om at genopfinde grundlæggende robotteknologi virker som en ineffektiv brug af ressourcer.

Tesla kunne gøre en enorm positiv forskel ved at slutte sig til de eksisterende tendenser i robotfællesskabet. Ved at adoptere standarder som ROS og bidrage med deres betydelige talent og ressourcer kunne de accelerere udviklingen for alle – inklusiv dem selv. Lige nu ser det ud til, at de har valgt en lang og unødvendigt isoleret vej.

Ofte Stillede Spørgsmål (FAQ)

Hvad er ROS?

ROS (Robot Operating System) er et open source framework af softwarebiblioteker og værktøjer, der hjælper udviklere med at bygge robotapplikationer. Det fungerer som et fælles sprog og en standardiseret infrastruktur for robotsoftware, hvilket gør det muligt for udviklere at dele og genbruge kode.

Hvorfor er Teslas "Bot Brain" svagere end deres bilcomputer?

Teslas oprindelige plan var at bruge deres FSD-computer med to processorer (SOCs). Deres nye "Bot Brain" bruger kun én. Denne reduktion i computerkraft skyldes sandsynligvis et behov for at mindske strømforbrug og størrelse for at passe ind i en humanoid robot, men det resulterer i en markant lavere teoretisk ydeevne.

Kan Tesla stadig få succes med Optimus?

Ja, Tesla har enorme ressourcer og talentfulde ingeniører. Analysen peger dog på, at deres vej til succes ville være hurtigere og mere effektiv, hvis de samarbejdede med det eksisterende robotfællesskab og adopterede standardværktøjer som ROS i stedet for at bygge alt fra bunden.

Hvad er den største udfordring for Tesla ifølge denne analyse?

Den største udfordring er software. At genopfinde grundlæggende robotsoftware til bevægelse, perception og kontrol er en monumental opgave, som industrien har brugt årtier på at udvikle i et åbent fællesskab. At ignorere denne kollektive viden er Teslas største hindring.