HD Hyundai Robotics کاهش ۶۳ درصدی زمان عیبیابی و برنامهنویسی ربات را با استفاده از هوش مصنوعی Palantir گزارش کرد، بر اساس پوشش این همکاری. دستاوردهای گزارششده دو گردشکار متمایز را شامل میشوند: تشخیص خطا و برنامهنویسی ربات. این همکاری حول هوش فیزیکی برای تولید کرهای قرار دارد.

برای تیمهایی که سیستمهای agent میسازند، سیگنال اندازهگیری است نه مدل. کاهش ۶۳ درصدی زمان برنامهنویسی و عیبیابی یک رقم عملیاتی از سختافزار تولید است، نه یک امتیاز معیار روی مجموعهای از وظایف انتخابشده. تولید کد به کمک agent اغلب روی مخازن مصنوعی و promptهای جداگانه ارزیابی میشود؛ اینجا خروجی رفتار ربات در یک کارخانه است، جایی که کد نادرست پیامدهای فیزیکی دارد و تشخیص به دادههای نویزی سنسور و لاگ وابسته است.
این پوشش مشخص نمیکند که ۶۳ درصد چگونه اندازهگیری شده، نسبت به چه خط پایه یا دورهای، کدام کلاسهای ربات درگیر بودهاند، یا چه میزان بازبینی انسانی در حلقه باقی مانده است. این جزئیات برای هر کسی که نتیجه را تعمیم میدهد مهم است: برنامهنویسی به کمک agent در عملیات فیزیکی معمولاً تلاش را به سمت تأیید و بازبینی ایمنی سوق میدهد نه حذف آن. استودیو این را یک نقطه داده مفید برای طراحی ارزیابی در استقرارهای agent صنعتی میداند و پیگیری خواهد کرد که آیا اندازهگیری مستقل دنبال میشود.
آنچه روشن است جهت است: تشخیص و تولید کد در یک گردشکار کمکی واحد روی سختافزار واقعی ترکیب میشوند، و نتیجه گزارششده در قالب زمان صرفهجوییشده بیان میشود نه قابلیت نمایشدادهشده.
