A Google DeepMind részlegének robotikai csoportja három új terméket mutatott be, amelyek segítségével a robotok gyorsabban hozhatnak döntéseket, és hatékonyabban és biztonságosabban járhatnak el az emberek körüli feladatok elvégzése közben.
Az AutoRT adatgyűjtő rendszere a vizuális nyelvi modellen (VLM) és a nagy nyelvi modellen (LLM) alapszik – ezek segítenek a robotoknak felmérni a környezetet, alkalmazkodni az ismeretlen helyzetekhez és döntéseket hozni a feladatok elvégzésével kapcsolatban. A VLM a környezet elemzésére és a látótávolságon belüli objektumok felismerésére szolgál, míg az LLM a feladatok kreatív végrehajtásáért felel. Az AutoRT legfontosabb újítása a „Robot Constitutions” LLM blokkban való megjelenése volt – olyan biztonságorientált parancsok, amelyek arra utasítják a gépet, hogy ne válasszon olyan feladatokat, amelyekben emberek, állatok, éles tárgyak és még elektromos készülékek is vannak. A további biztonság érdekében a munka úgy van programozva, hogy leálljon, ha az ízületekre ható erő egy bizonyos küszöbértéket meghalad; és a kialakításukban már van egy további fizikai kapcsoló, amelyet egy személy vészhelyzetben használhat.
Az elmúlt hét hónapban a Google 53 munkahelyet telepített az AutoRT rendszerrel négy irodaházában, és több mint 77 2 tesztet hajtott végre. A gépek egy részét a kezelők távolról irányították, míg mások önállóan végezték a feladatokat vagy adott algoritmus alapján, vagy a Robotic Transformer (RT-XNUMX) AI-modell segítségével. Eddig ezek a robotok rendkívül egyszerű megjelenésűek: mozgatható alapon lévő manipulátor végtagok és helyzetfelmérő kamerák.
A második újítás a SARA-RT (Self-Adaptive Robust Attention for Robotics Transformers) rendszer volt, melynek célja az RT-2 modell működésének optimalizálása volt. A kutatók azt találták, hogy a bemeneti adatok megduplázásával, például a kamerák felbontásának növelésével a robot számítási erőforrásigénye négyszeresére nő. Ezt a problémát az AI finomhangolásának új módszere, az úgynevezett up-training oldotta meg – ez a módszer a számítási erőforrások szükségletének kvadratikus növekedését szinte lineárissá változtatja. Ennek köszönhetően a modell gyorsabban működik, megtartva a korábbi minőséget.
Végül a Google DeepMind mérnökei kifejlesztették az RT-Trajectory AI modellt, amely leegyszerűsíti a robotok betanítását meghatározott feladatok elvégzésére. A feladat beállítása után a kezelő maga mutat be egy mintát annak végrehajtásából, az RT-Trajectory elemzi a személy által meghatározott mozgási pályát, és hozzáigazítja a robot cselekedeteihez.
Olvassa el még: