تتحدى أبحاث مايكروسوفت الافتراض القائل بأن استنتاج الذكاء الاصطناعي المادي يجب أن يعمل حصريًا على وحدات معالجة الرسومات (GPUs) المثبتة داخل الروبوت، وتُظهر أن نقله إلى البنية التحتية الطرفية أو السحابية يعزز بشكل كبير أعباء العمل الخاصة بالتلاعب المتنقل. تكشف دراستهم المنهجية لأعباء عمل الروبوتات أن الاعتماد على الحوسبة المدمجة يحد من الأداء وعمر البطارية والقابلية للتوسع.
- أدى نقل الاستنتاج إلى تحسين معدلات نجاح المهام في الخرائط، والتخطيط، والملاحة، والتلاعب من خلال تقليل زمن الوصول وتمكين استخدام نماذج ذكاء اصطناعي أكبر.
- تسببت وحدات معالجة الرسومات (GPUs) المثبتة داخل الروبوت في إبطاء عملية الخرائط والتخطيط بنسبة تصل إلى 383% مقارنة بـ A100، بينما شهدت الملاحة انخفاضًا بنسبة 30% في اكتشاف العوائق في الوقت المناسب.
- انخفضت دقة نماذج VLA بنسبة 50% على وحدات معالجة الرسومات (GPUs) المدمجة الأصغر حجمًا بسبب الإبطاء، في حين عزز نقل الاستنتاج العمليات بفعالية.
- أدى استبدال وحدات معالجة الرسومات (GPUs) المثبتة داخل الروبوت والمستهلكة للطاقة بعتاد خفيف الوزن واستنتاج عن بُعد إلى تحسين عمر بطارية روبوت Stretch-3 بأكثر من 100%، حيث تستنزف وحدات معالجة الرسومات (GPUs) المدمجة الكبيرة مثل Jetson Thor البطاريات بنسبة تصل إلى 160%.
يجادل المؤلفون بأن أنظمة الاستنتاج الموزعة حاسمة لتمكين الروبوتات من العمل بفعالية في بيئات مفتورة وغير متوقعة، باستخدام نماذج كبيرة وأوقات تشغيل ممتدة.