Anthropic anunció un nuevo Estándar de Hardware de Máquina, o MHS, diseñado para cerrar la brecha entre los grandes modelos de lenguaje y los equipos físicos. El estándar equipa a los sistemas de IA como Claude con una descripción estructurada de las capacidades y limitaciones de un dispositivo, lo que permite al modelo emitir comandos, leer datos de sensores y ajustar acciones en tiempo real.
En un video de demostración, Claude ajustó un láser, utilizó una cámara separada para verificar la salida y repitió el ciclo hasta que el sistema estuvo completamente calibrado. El mismo enfoque permitió al modelo enfocar un microscopio, analizar la imagen capturada, decidir qué región requería una inspección más cercana y luego reubicar el instrumento automáticamente.
Otro clip mostró a Claude razonando a través de los pasos necesarios para que un brazo robótico recogiera una lata de aluminio, algo que el modelo nunca había sido entrenado explícitamente para hacer. En lugar de codificar cada movimiento, el MHS permite a la IA escribir y modificar scripts de API sobre la marcha, adaptándolos a medida que cambian las condiciones.
La columna vertebral del MHS es un sistema de etiquetado estandarizado que codifica las características físicas de un dispositivo - peso, rango de movimiento, parámetros ajustables, opciones de medición y límites de seguridad incorporados. Estas etiquetas se compilan en un archivo de referencia que cualquier modelo de IA compatible puede leer, dándole un contexto crucial sobre el hardware que nunca ha encontrado antes.
Anthropic actualmente está ejecutando una previsualización con un grupo selecto de laboratorios de investigación científica y fabricantes avanzados. Los socios incluyen Amazon Web Services' Strands Robots, Hugging Face's LeRobot, Raspberry Pi, Automata y Universal Robots. Juntos están desarrollando evaluaciones de seguridad y pautas de mejores prácticas para la operación de sistemas físicos impulsada por IA.
Las pruebas iniciales durante el último año sugieren que el MHS puede reducir drásticamente el tiempo necesario para integrar nuevos dispositivos en flujos de trabajo de IA. Los investigadores informaron ciclos de iteración más rápidos en una variedad de entornos experimentales, lo que permitió probar hipótesis más rápidamente. "Si puedes probar hipótesis más rápido, podrías crear tecnologías generales más rápido", dijo el cofundador de Anthropic, Kemeny, en el video promocional. "Esta es la forma en que un siglo de progreso puede condensarse en una década".
Mirando hacia adelante, Anthropic planea lanzar el MHS como un estándar de código abierto y agnóstico de agentes, invitando a una adopción más amplia en industrias que dependen de la robótica, la automatización de laboratorio y otras aplicaciones intensivas en hardware.
This article was written with the assistance of AI.
News Factory APP - agentic news to boost your SEO & AEO.