серия представителей класса — самая быстрая и полная интерпретация основных событий в области искусственного интеллекта. в этой статье основное внимание уделяется новейшему роботу neo, выпущенному 1x technologies, роботу-гуманоиду, инвестированному openai, и используется он как ключ к раскрытию особого технического пути и соображений позиционирования. принят 1x robots.

путеводитель по будущему ии на севере, хао боян и чжоу сяоянь

редактор чжэн кэджун

хотя после посещения всемирной конференции роботов некоторые инвесторы рассказали tencent technology, что на пути к роботам-гуманоидам, но см.произведено 1x, компанией по производству роботов-гуманоидов, инвестируемой openai.после робота neo они снова обрели уверенность.

даже ван юйцюань, основатель haiyin capital, который всегда выступал против придания роботам гуманоидной формы, был удивлен. он сказал tencent technology: «движения neo очень естественны и скоординированы, полностью избавляясь от стереотипов людей о роботах». когда я впервые увидел этого робота, моей первой реакцией было то, что под одеждой находился настоящий человек».

робот, инвестированный openai, начал выполнять работу по дому, и он был настолько правдоподобен, что его усомнили в человеческой оболочке.

мы также поражены его плавностью, но, кроме того, мы хотим знать больше, почему он предпочитает использовать режим «сошки» в мире режима «колеса» в семейной сцене?

в приведенном выше отчете мы упоминали, что более 80% роботов, обслуживающих промышленные сцены, примут «двуногий» режим конструкции нижней части тела. в домашних условиях задачи менее стандартизированы, задачи более тривиальны, а чрезвычайные ситуации происходят чаще, что требует от домашних роботов безопасности и тишины. по сравнению с дороговизной и незрелыми алгоритмами управления «сошек», которые приводят к неустойчивости при ходьбе и стоянии, а также высокому шуму, колесный тип тише и устойчивее на ровных дорогах.

neo использует другой подход. это «двуногий» робот, который редко встречается в домашних сценах.

в демонстрационном видео neo очень «мягкий».без веревки, свисающей со спины, он выглядел бы как настоящий человек, собирающий кубки на кухне.

он может предсказать следующий шаг человека, выполняющего работу по дому, без каких-либо инструкций, полагаясь только на собственные «наблюдения».

neo движется очень тихо, но если увеличить громкость видео на дисплее, вы все равно сможете услышать едва уловимое жужжание, которое neo издает, когда наклоняется, чтобы поднять рюкзак.

в отличие от многих роботов-гуманоидов, которые выглядят «высокими», neo выглядит как сосед, который приходит к вам домой в повседневной одежде и может помочь вам по дому.

neo имеет рост 1,65 метра и 55 степеней свободы по всему телу. он весит всего 30 килограммов, что почти на 1/3 ~ 1/2 легче, чем у большинства гуманоидных роботов такого же роста. однако сила neo не мала. по сообщениям medium, neo имеет полезную нагрузку 20 кг, а его захват достаточно силен, чтобы поднять 70 кг (154 фунта).

(фото: сравнение веса роботов-гуманоидов в диапазоне «взрослого роста» в стране и за рубежом)

судя по параметрам, neo имеет небольшие размеры, но по мощности не уступает основным роботам-гуманоидам в отрасли. среди этих двуногих роботов-гуманоидов только neo явно предназначен для использования в домашних условиях, в то время как другие двуногие роботы в основном предназначены для промышленных сценариев.

итак, как neo может ходить «налегке» дома? как мы можем предсказать действия человека, просто наблюдая за ними? может быть, удалось преодолеть проблему обобщения роботов-гуманоидов?

откуда взялось конструктивное расхождение колес и ножек?

двуногие роботы-гуманоиды подходят для промышленных сценариев, но они сталкиваются со многими проблемами, когда переходят в домашний режим.

суть проблемы заключается в том, что механическая конструкция «сошек» сложна, и для поддержания работы робота необходимо мобилизовать больше суставов, что неизбежно потребует более высокой мощности, если его планируется использовать в домашних условиях. он должен решить ряд проблем, вызванных высокими потерями мощности, таких как рассеивание тепла и шум.

напротив, в промышленных сценариях роботы обычно работают на складах или закрытых заводах. эти места часто оснащены холодильным или охлаждающим оборудованием для рассеивания тепла, поэтому двуногим роботам не нужно слишком беспокоиться о влиянии высоких температур в этих средах. .

как «рабочие» они не предъявляют высоких требований к внешнему виду. могут быть полуголыми (с открытыми деталями) или даже ходить по заводу с висящими на них проводами. отсутствие «одежды» также способствует рассеиванию тепла. например, гидравлический atlas от boston dynamics. вы можете «яростно» бегать взад и вперед.

(фото: бостонский энергетический атлас)

кроме того, сама индустриальная среда наполнена различными механическими звуками, а звук движущихся суставов двуногого робота и звук шагов при ходьбе не так заметны.

но как только вы переключитесь на домашнюю сцену, все эти проблемы, которые не очевидны в промышленной сцене, станут ошибками: плохая теплоотдача робота может привести к возгоранию, слишком сильный шум может вызвать неврастению, а открытые части специально предназначены для семей с детьми. существуют огромные риски для безопасности.

колесный тип имеет низкое энергопотребление, что, естественно, снижает такие проблемы, как рассеивание тепла и шум.

это означает, что для того, чтобы переместить «двуногого» робота в домашнюю сцену, его необходимо оптимизировать и преобразовать из онтологии.

эрик цзян, вице-президент 1x robot ai, предоставил решения для производства neo и оптимизировал основной компонент «двигателя» робота. он сказал в недавнем интервью:в отличие от идеи «маленького двигателя, большого передаточного числа и высокой кинетической энергии», используемой многими гуманоидными роботами, ключевой пароль neo — это «высокий крутящий момент, маленькое передаточное число и низкая кинетическая энергия» двигателя.

итак, как понять, что сказал эрик цзян? сначала мы можем кратко понять взаимосвязь между «двигателем» и «передаточным числом» гуманоидных роботов.

по аналогии с людьми, у роботов-гуманоидов на самом деле есть только два типа движения: линейное движение и вращательное движение. например, в видео с дисплеем 1x есть несколько секунд, когда neo «машет рукой» людям. анатомические компоненты этого действия: сначала протягивание правой руки (линейное движение), а затем взмах рукой (вращательное движение). ).

если вы попытаетесь его разобрать, то обнаружите, что вся система движений робота-гуманоида представляет собой комбинацию этих двух движений.

среди них линейное движение реализуется комбинацией «двигатель + винт» робота-гуманоида, а вращательное движение реализуется с помощью «двигатель + редуктор». здесь мы фокусируемся на реализации вращательного движения, помогающего роботу. полное «суставное» вращение, по сравнению с колесным типом, основные движения, совершаемые в «сошках», также отражаются в суставах.

ядро «передаточного числа» влияет на скорость вращения, которая представляет собой комбинированную скорость «двигателя + редуктора».

проще говоря,«передаточное число» относится к двигателю.выходная скоростьискорость, с которой фактически выполняется компонентсоотношение между. например, если скорость движения ног гуманоидного робота равна v, высокое передаточное число означает, что двигатель работает на высокой скорости, а низкое передаточное число означает, что двигатель работает на низкой скорости.

многие гуманоидные роботы имеют высокие передаточные числа.(например, 10:1), то после того, как скорость двигателя снизится с помощью редуктора, скорость движения суставов робота замедлится. эта конфигурация больше подходит для случаев, когда требуется высокая сила, но не требуется высокоскоростное движение.

если используется низкое передаточное число(например, 3:1), скорость двигателя замедляется меньше, а суставы робота движутся быстрее. эта конфигурация подходит для ситуаций, требующих быстрого реагирования и гибкой работы.

neo может снизить энергопотребление соединений сердечника, установив низкое передаточное число и уменьшив выходную скорость двигателя.

низкое передаточное число двигателя означает, что рабочая скорость двигателя приносится в жертву. эрик цзян сказал в техническом документе «физика двигателя», что он написал, что neo использует «высокий крутящий момент», чтобы компенсировать недостаток мощности, который может быть вызван. он также заявил: «большинство двигателей недостаточно мощны, чтобы развивать большой крутящий момент, поэтому инженеры-механики берут высокоскоростные двигатели и добавляют к ним шестерни, обменивая скорость на крутящий момент».

(изображение: скриншот технического документа «физика двигателя», опубликованного эриком цзяном, в котором описывается, как инженеры-механики обменивают скорость двигателя на крутящий момент)

это объясняет, почему многие двуногие роботы могут использоваться только в промышленных целях:«большинство компаний, занимающихся гуманоидной робототехникой, предпочитают размещать своих роботов на заводах, а не дома, потому что они полагаются на жесткие, высокопроизводительные системы привода. эти системы небезопасны для людей и должны быть заключены в клетки».

с этой точки зрения команда 1x нашла аппаратный способ, позволяющий двуногим роботам безопасно работать в домашних условиях, поэтому neo может носить человеческую одежду, не беспокоясь о том, что она сгорит из-за плохой теплоотдачи.

на самом деле eve, робот предыдущего поколения 1x, был колесным. и только в поколении neo он стал двуногим. существенной причиной по-прежнему является проблема адаптации сцены.

домашняя сцена очень сложна и требует, чтобы робот залез под стол, чтобы взять вещи, или взял вещи со стойки. поскольку база занимает место, робот с колесным шасси должен «вытягивать» руки, чтобы добраться до некоторых углов. эрик цзян считает, что «в этом случае робот должен использовать изменение своего центра тяжести, чтобы подбирать предметы, как люди». робот должен иметь возможность поднять одну ногу, как человек, положить одну руку на стол и использовать центр тяжести, чтобы добраться до объекта.

эрик цзян также привел в интервью пример: почему многие книжные полки оставляют определенный зазор внизу? «это просто для того, чтобы людям было легче вставлять пальцы ног», чтобы люди могли прижаться всем телом к ​​книжной полке, чтобы взять книги.

таким образом, две ноги могут уменьшить след движения робота, в то время как колесная база не может адаптироваться к тривиальным домашним сценам.

это логика перехода 1x от позы на колесиках к позе на ногах. возможно, в семейной обстановке поза на колесиках не может «бегать» так же хорошо, как поза на ногах. кроме того, neo также имеет несколько «уникальных» формул с точки зрения обобщения и сбора данных.

способны ли роботы к обобщению уже на пороге?

для робота, которого можно использовать дома, помимо безопасности, самое главное то, что он может быть настоящим многогранным помощником. это требует, чтобы робот был «умным», способным понимать потребности владельца, способным работать автономно и достаточно обобщенным.

если посмотреть на все компании-роботы, в которые инвестировала openai, то общей чертой их продуктов является то, что они очень «умны», то есть могут очень хорошо сочетать большие модели с роботами.

например, потрясающая производительность рисунок 01 во многом обусловлена ​​его способностью понимать инструкции и определять предметы, чтобы выносить суждения. и это как раз результат объединения мультимодальных больших моделей и роботов.

у другой инвестиционной компании, physical intelligence, пока есть только веб-страница и никаких продуктов. но в интервью компания заявила, что ее видение состоит в том, чтобы «построить универсальную модель искусственного интеллекта, которая вместо того, чтобы приводить в действие роботов, выполняющих повторяющиеся задачи на складах или фабриках, может быть применена к широкому спектру сценариев».

что касается механической части, то они даже заявили, что не будут производить оборудование сами, а закупят несколько типов роботов для обучения своего программного обеспечения.

(фото: физический интеллект)

это не столько робототехническая компания, сколько масштабная модельная компания.

и роботы 1x не являются исключением.

эрик джанг, вице-президент 1x по искусственному интеллекту, имеет большой опыт интеграции больших моделей в роботов. до прихода в 1x в 2022 году он однажды руководил командой проекта saycan компании google deepmind. этот проект является самой ранней попыткой воплощенного интеллекта интегрировать языковые модели и роботов.

в феврале этого года 1x опубликовала видео своей eve, выполняющей полную миссию нейронной сети, которое стало небольшим хитом. на встрече по обмену информацией grasp sfi 24 апреля мы сможем увидеть общую логику работы этой модели.

он также разделен на конвейер (форму рабочего процесса). во-первых, используется модель dit (diffusion-transformer) в сочетании с командами естественного языка, чтобы с помощью difussion сгенерировать прогнозируемое изображение своего будущего положения. затем поместите это предсказание, текущее изображение и цель в новую модель трансформатора, чтобы спрогнозировать последующие необходимые механические действия.

из видео мы видим, что eve умеет сортировать предметы, переносить их и даже заряжаться (недаром она называется eve). некоторые из этих задач также можно выполнять двумя руками. но если внимательно посмотреть это видео, то окажется, что способности евы в то время ограничивались идентификацией, захватом и размещением предметов. позже эти базовые способности были объединены в конкретные задачи, такие как упаковка, перемещение и классификация.

к августу или сентябрю этого года практически все компании, занимающиеся робототехникой, имеющие доступ к схемам крупномасштабных моделей, смогут достичь этих возможностей.

например, рисунок 01 в конце февраля опубликовал видео собственного робота, использующего большую модель для развозки кофе, в котором он даже может самостоятельно исправлять ошибки.

(изображение: рисунок 01 заваривания кофе в демонстрационном видео)

однако после этого fig и 1x пошли разными путями в плане моделей.

в марте компания fig решила напрямую использовать gpt-4o, предоставив своим роботам сильные разговорные и логические способности. они использовали конвейер (рабочий процесс) для интеграции трех моделей.

во-первых, большая модель gpt-4o используется для распознавания языка и планирования действий. затем действие выполняет собственный уровень нейронной политики, то есть собственная обученная модель сквозных задач. в то же время он использует собственную модель управления телом для поддержания баланса робота.

(фото: рисунок с официальным пояснением состава модели)

после того, как взаимодействие стало самым ярким моментом их робота, рисунок 02 также подчеркнул улучшение уровня мозга, вызванное его 3-кратной вычислительной мощностью. что касается моделей, их разработка стала целью лучшей интеграции моделей openai.

но только 31 мая 1x выпустила обновление языковой директивы. в демонстрационном видеоролике робот наконец-то может понимать задачи и выполнять соответствующие операции посредством голосовой связи. но даже до сих пор 1x все еще не использует большую языковую модель высокого уровня. в документации на странице своего официального веб-сайта они упомянули: «после создания набора данных пар команд визуального и естественного языка, следующим шагом будет использование моделей визуального языка, таких как gpt-4o, vila и gemini vision, для автоматического прогнозирования высоких значений. действия на уровне «это также приводит к тому, что их роботы не способны планировать сложные задачи.

кажется, что 1x — большой шаг назад с точки зрения умной производительности.

но это может быть потому, что их усилия направлены в разные стороны. по сравнению с возможностями взаимодействия и планирования, 1x больше заботится об обобщении задач.

в своем официальном блоге в марте 1x объяснила модель, которую она строит. они пытаются научить «базовую модель» понимать широкий спектр физического поведения: от уборки и уборки дома до сбора предметов и социального взаимодействия с людьми и другими роботами. затем они добавили в модель более конкретные наборы навыков (например, одну модель для общих операций с дверями, а другую для складских задач), накопив больше данных для обучения навыкам. другими словами, они пытаются построить «базовую модель» робота, поддерживающую многозадачное обобщение.

это обобщение возможностей выполнения задач, позволяющее одному роботу использовать одну модель для выполнения нескольких задач. на самом деле в этом нет ничего особенного. почти все компании, производящие программное обеспечение для роботов, обучают нескольким отдельным задачам. однако в различных видеороликах, демонстрирующих роботов, и на выставках на конференциях мы редко видели, чтобы робот одновременно непрерывно выполнял сложную задачу, например, убирал всю комнату, а затем готовил.

это связано с тем, что в настоящее время ни одна модель не может обобщать задачи.

эрик джанг сказал в интервью the robot report: «ранее мы продемонстрировали, что наши роботы могут брать простые объекты и манипулировать ими, но чтобы получить по-настоящему практичного домашнего робота, он должен быть способен плавно выполнять несколько задач последовательно. но этого невозможно достичь, просто разделив сложную задачу на несколько задач с помощью модели высокого уровня, такой как «мозг». потому что стартовая позиция и условия в разных задачах разные.

если робот должен выполнить вторую задачу, он должен сначала восполнить недостатки первой задачи. например, если первый робот не сможет занять правильное положение рядом со столом, второму роботу придется вытянуть руки, чтобы схватить объект, а третье задание потребует дальнейшей компенсации. ошибки имеют свойство накапливаться.

решение 1x — разделить модель. в настоящее время его модель состоит из двух частей: одна — базовая модель, которая понимает все задачи и «цепочки задач», а другая — множество небольших моделей, которые лучше понимают конкретные задачи. это также стало своего рода pipeline (рабочим процессом).

они разработали интерфейс на естественном языке, который позволяет сотрудникам управлять роботом с помощью голоса, выполнять совместные действия нескольких небольших моделей и устранять ошибки во время процесса. это позволяет последовательно соединять модели в долгосрочные «цепочки задач». данные, относящиеся к этим вмешательствам и всей многозадачности, будут использоваться для обучения большой «базовой модели». в конце концов, они будут корректировать и обучать «базовую модель» на основе накопленных данных о задачах и данных «цепочки задач», чтобы эта базовая модель могла не только решать выполнение одной задачи, но и решать проблему связи между задачами.

(рисунок: интерфейс управления естественным языком, разработанный 1x)

поэтому он отличается от пути, выбранного фигурой, который делает упор на взаимодействие и планирование. основная проблема, которую в настоящее время решает 1x, — это способность к обобщению задач. и это может быть основным камнем преткновения для того, чтобы нынешние роботы стали по-настоящему универсальными.

итак, как продвигается процесс обобщения между задачами в 1x?

в последнем документальном фильме мы видим, как сотрудник с помощью голоса инструктирует робота выполнить задачи: открыть дверь, войти в туалет, закрыть сиденье унитаза и шаг за шагом выйти. эта задача дается не за один раз, а дается индивидуально и связно.

это не выглядит слишком «автоматическим», но на самом деле это доказывает, что робот 1x уже имеет предварительную способность непрерывно работать между несколькими командными задачами. пока он обладает базовыми возможностями выполнения «цепочки задач» и возможностями планирования передовых моделей, таких как gpt-4, вскоре станет возможным автономно выполнять сложные и непрерывные задачи.

эрик джанг, кажется, тоже так думает. в блоге под названием «все дороги ведут к робототехнике» в марте этого года он написал: «многие исследователи искусственного интеллекта до сих пор полагают, что для создания роботов общего назначения потребуются десятилетия. но помните, рождение chatgpt казалось одновременным между. думаю, что сфера робототехники также приведет к таким изменениям».

по его мнению, роботы общего назначения, способные обобщать, кажутся уже в пределах видимости.

но пессимизм отрасли оправдан. их главная озабоченность связана не с алгоритмом, а с тем фактом, что текущие данные о воплощенном интеллекте немногочисленны, их очень сложно собрать, а также не хватает стандартов.

но большие объемы данных являются ключом к достижению обобщения в законе масштабирования. по сравнению с простой крупномасштабной языковой моделью воплощенному интеллекту может потребоваться больший объем данных, чтобы быть универсальным, поскольку он включает в себя изображения и действия. а сбор этих данных занимает много времени.

использование «глупых» методов для сбора «умных» данных

эрик джанг однажды сделал в документальном фильме заявление, которое противоречило общим опасениям отрасли:«многие люди переоценивают узкие места в сборе данных. на практике в течение следующих 12 месяцев данные могут становиться все менее и менее важными».

его уверенность в данных исходит из прошлой практики. логика сбора данных 1x всегда немного отличалась от логики других робототехнических компаний.

другие компании обычно используют все доступные средства для сбора как можно большего количества данных. методы включают размещение смоделированных роботов в смоделированных физических средах, таких как unreal 5, для сбора больших объемов данных или использование видеоданных для перехвата видео людей, управляющих объектами, и извлечения информации.

но на самом деле на данный момент наиболее часто используемым основным методом является использование телеоперации (обучение на основе демонстрации) для получения данных через людей, носящих виртуальную реальность, для демонстрации роботам.

этот вид сбора удаленных операций обычно помещает робота в очень фиксированную среду «фабрики сбора данных», чтобы максимально эффективно собирать достаточное количество данных. даже если есть некоторые повторы и сходства.

(фото: фабрика сбора данных tesla)

по словам эрика джанга, нынешний метод, который они используют, является очень «глупым». по сравнению с, казалось бы, эффективным режимом централизованного сбора, используемым tesla, 1x предпочла настаивать на возвращении для сбора различных сцен жизни. итак, мы видим, как их собирают в самых разных местах, чем на фабрике. они также не использовали данные видеообучения и моделирования, настаивая на использовании только данных, собранных посредством телеоперации.

(изображение: сцены тренировок в eve на удивление разнообразны)

генеральный директор бернт борнич заявил в интервью: «разнообразие является наиболее важным аспектом данных гуманоидных роботов. изучение разнообразия в неструктурированной среде потребительских роботов сделает возможным создание по-настоящему интеллектуальных роботов общего назначения.

по мнению x1, домашняя и офисная среда, куда в конечном итоге приземлятся роботы, не имеет фиксированной структуры и постоянно меняется в процессе использования человеком, поэтому для того, чтобы иметь смысл, должно быть достаточно разнообразных данных. таким образом, формула сбора данных 1x, предложенная эриком джангом, звучит так: «разнообразие>качество>количество>алгоритм».

чтобы добиться такого разнообразия коллекции, 1x специально организовала команду операторов роботов, каждый из которых может лично обучать некоторым поведенческим моделям с помощью набора простых графических интерфейсов nle. в связи с этим эрик джанг написал в технологическом блоге: «1x — первая известная мне компания, которая позволяет сборщикам данных самостоятельно обучать возможности роботов. это значительно сокращает время, необходимое для достижения модели хорошего состояния, поскольку данные сборщики могут быстро получить обратную связь о том, насколько хороши данные и сколько данных на самом деле необходимо для решения роботизированных задач. я предвижу, что это станет общей схемой сбора роботизированных данных в будущем».

таким образом, у них есть не просто работники по сбору мусора, а группа инженеров по сбору мусора, которые могут напрямую настроить модель. они определяют, что не работает в конкретных задачах, собирают данные для этих сценариев, затем переобучают и настраивают модель и повторяют процесс до тех пор, пока модель не станет идеальной. обучение «все в одном».

(изображение: в linkedin 1x все эти операторы набирают сотрудников на полный рабочий день, а не на аутсорсинг, с ежемесячной зарплатой в размере 6000–8000 долларов сша, что примерно в 1,5 раза превышает среднемесячную зарплату в соединенных штатах)

эти «глупые» методы обеспечивают качество и разнообразие собираемых данных, причем каждая информация максимально «полезна». в интервью в последние дни ррик сказал: «если вы используете роботов на заводе и неоднократно выполняете одни и те же задачи, данные по сути бесполезны».

эта относительно хорошая коллекция, несомненно, замедлит рост объема данных, но ее эффект очень значителен.

(вверху: количество часов данных, собранных 1x, внизу: разнообразие действий, собранных 1x)

по словам эрика джанга, до марта 2024 года они собрали в общей сложности 1400 часов тренировочных данных, включающих 7000 различных уникальных действий. он также рассказал, что благодаря обучению на этих данных робот eve в настоящее время может обладать сотнями независимых способностей.

напротив, rt-2 использовал в обучении 130 000 примеров, а 13 роботов потратили на их сбор целых 17 месяцев. если каждый пример в среднем длится 5 секунд, то общая продолжительность этих примеров может достигать десятков тысяч часов. он может выполнять задачи с помощью 700 различных инструкций.

с этой точки зрения эффект от уточнения сбора данных действительно хорош. используйте 1/10 данных, чтобы достичь хотя бы половины уровня способностей. идея о том, что спешка приводит к потерям, справедлива и в мире робототехники.

заключение

в целом, самый большой «козырь» 1x — это ориентация на людей.

корпоративная культура, которую передает 1x, демонстрирует чувство «расслабления». будь то предыдущая eve или недавний neo, ее рекламные видеоролики полностью отличаются от холодных, технологических фигур 1x, избегающих острых углов и намеренно не запускающих масштабность. общение – это тоже своего рода идеализм.

из рекламного видеоролика neo видно, что 1x создает образ «теплого мужчины», такого как «брат по соседству». он носит облегающую повседневную одежду, подчеркивающую линии мышц, похожие на человеческие мужчины. он также может легко двигаться. он заботится о повседневной жизни своей семьи, собирает ваши вещи перед выходом и тепло обнимает вас перед отъездом.

кроме того, из демонстрационного видео видно, что neo может понимать человеческие жесты, что также является глубоким пониманием человеческого общения. большая часть общения между людьми не зависит от языка. бывают случаи, когда люди «не могут найти слов». поэтому neo может «читать» следующий шаг людей и понимать друг друга без слов. земля имеет особый «человеческий» вкус.

с точки зрения обобщения задач и гибкого дизайна neo можно назвать первым двуногим роботом-гуманоидом для домашнего использования.

если роботы в будущем могут быть вечными, то какой робот нам нужен, чтобы сопровождать себя и даже будущие поколения? возможно, neo — хороший ответ.