Ang grupo ng robotics sa DeepMind division ng Google ay naglabas ng tatlong bagong produkto na makakatulong sa mga robot na gumawa ng mas mabilis na mga desisyon at kumilos nang mas mahusay at ligtas habang nagsasagawa ng mga gawain sa paligid ng mga tao.
Ang sistema ng pagkolekta ng data ng AutoRT ay batay sa visual language model (VLM) at large language model (LLM) - tinutulungan nila ang mga robot na masuri ang kapaligiran, umangkop sa mga hindi pamilyar na sitwasyon at gumawa ng mga desisyon tungkol sa pagsasagawa ng mga gawain. Ang VLM ay ginagamit upang pag-aralan ang kapaligiran at kilalanin ang mga bagay sa loob ng saklaw ng paningin, habang ang LLM ay responsable para sa malikhaing pagpapatupad ng mga gawain. Ang pinakamahalagang inobasyon ng AutoRT ay ang paglitaw sa bloke ng LLM ng "Mga Konstitusyon ng Robot" - mga utos na nakatuon sa kaligtasan na nagsasabi sa makina na iwasan ang pagpili ng mga gawain na kinasasangkutan ng mga tao, hayop, matutulis na bagay at maging ang mga electrical appliances. Para sa layunin ng karagdagang kaligtasan, ang trabaho ay naka-program na huminto kapag ang puwersa sa mga joints ay lumampas sa isang tiyak na threshold; at ang kanilang disenyo ay mayroon na ngayong karagdagang pisikal na switch na magagamit ng isang tao sa isang emergency.
Sa nakalipas na pitong buwan, nag-deploy ang Google ng 53 trabaho gamit ang AutoRT system sa apat sa mga gusali ng opisina nito at nagsagawa ng higit sa 77 pagsubok. Ang ilan sa mga makina ay kinokontrol nang malayuan ng mga operator, habang ang iba ay nagsagawa ng mga gawain nang awtomatiko alinman batay sa isang ibinigay na algorithm o gamit ang Robotic Transformer (RT-2) AI model. Sa ngayon, ang lahat ng mga robot na ito ay may napakasimpleng hitsura: sila ay manipulator limbs sa isang mobile base at mga camera para sa pagtatasa ng sitwasyon.
Ang pangalawang inobasyon ay ang SARA-RT (Self-Adaptive Robust Attention for Robotics Transformers) system, na naglalayong i-optimize ang pagpapatakbo ng modelong RT-2. Natuklasan ng mga mananaliksik na sa pamamagitan ng pagdodoble ng data ng pag-input, halimbawa, pagtaas ng resolution ng mga camera, ang pangangailangan ng robot para sa mga mapagkukunan sa pag-compute ay tataas ng apat na beses. Ang problemang ito ay nalutas sa pamamagitan ng isang bagong paraan ng fine-tuning AI na tinatawag na up-training - ginagawa ng paraang ito ang quadratic na paglaki ng pangangailangan para sa mga mapagkukunan sa pag-compute sa isang halos linear. Dahil dito, ang modelo ay gumagana nang mas mabilis, pinapanatili ang nakaraang kalidad.
Sa wakas, binuo ng mga inhinyero ng Google DeepMind ang modelong RT-Trajectory AI, na pinapasimple ang mga robot sa pagsasanay upang magsagawa ng mga partikular na gawain. Pagkatapos magtakda ng isang gawain, ang operator mismo ay nagpapakita ng isang sample ng pagpapatupad nito, sinusuri ng RT-Trajectory ang kilusan na itinakda ng isang tao at iniangkop ito sa mga aksyon ng robot.
Basahin din: