Google DeepMind nodaļas robotikas grupa ir prezentējusi trīs jaunus produktus, kas palīdzēs robotiem pieņemt ātrākus lēmumus un darboties efektīvāk un drošāk, veicot uzdevumus cilvēku tuvumā.
AutoRT datu vākšanas sistēmas pamatā ir vizuālās valodas modelis (VLM) un lielās valodas modelis (LLM) – tie palīdz robotiem novērtēt vidi, pielāgoties nepazīstamām situācijām un pieņemt lēmumus par uzdevumu veikšanu. VLM tiek izmantots, lai analizētu vidi un atpazītu objektus redzes diapazonā, savukārt LLM ir atbildīgs par radošu uzdevumu izpildi. Būtiskākais AutoRT jauninājums bija parādīšanās LLM blokā "Robot Constitutions" – uz drošību orientētas komandas, kas liek mašīnai izvairīties no tādu uzdevumu izvēles, kuros iesaistīti cilvēki, dzīvnieki, asi priekšmeti un pat elektroierīces. Papildu drošības nolūkos darbs tiek ieprogrammēts, lai apturētu, kad spēks uz savienojumiem pārsniedz noteiktu slieksni; un to dizainā tagad ir papildu fiziskais slēdzis, ko cilvēks var izmantot ārkārtas situācijā.
Pēdējo septiņu mēnešu laikā Google izvietoja 53 darbus ar AutoRT sistēmu četrās savās biroju ēkās un veica vairāk nekā 77 2 testu. Dažas mašīnas attālināti vadīja operatori, savukārt citas veica uzdevumus autonomi, pamatojoties uz noteiktu algoritmu vai izmantojot robotizētā transformatora (RT-XNUMX) AI modeli. Līdz šim visiem šiem robotiem ir ārkārtīgi vienkāršs izskats: tie ir manipulatoru ekstremitātes uz mobilās bāzes un kameras situācijas novērtēšanai.
Otrs jauninājums bija SARA-RT (Self-Adaptive Robust Attention for Robotics Transformers) sistēma, kuras mērķis ir optimizēt RT-2 modeļa darbību. Pētnieki atklāja, ka, dubultojot ievades datus, piemēram, palielinot kameru izšķirtspēju, robota nepieciešamība pēc skaitļošanas resursiem palielinās četras reizes. Šī problēma tika atrisināta ar jaunu mākslīgā intelekta pielāgošanas metodi, ko sauc par augšupmācību – šī metode pārvērš skaitļošanas resursu nepieciešamības kvadrātisko pieaugumu gandrīz lineārā. Pateicoties tam, modelis darbojas ātrāk, saglabājot iepriekšējo kvalitāti.
Visbeidzot, Google DeepMind inženieri izstrādāja RT-Trajektorijas AI modeli, kas vienkāršo robotu apmācību konkrētu uzdevumu veikšanai. Pēc uzdevuma iestatīšanas operators pats demonstrē tā izpildes paraugu, RT-Trajektorija analizē cilvēka noteikto kustības trajektoriju un pielāgo to robota darbībām.
Lasi arī: