Групата за роботика во одделот DeepMind на Google претстави три нови производи кои ќе им помогнат на роботите да донесуваат побрзи одлуки и да дејствуваат поефикасно и побезбедно додека ги извршуваат задачите околу луѓето.
Системот за собирање податоци на AutoRT се базира на Visual Language Model (VLM) и Large Language Model (LLM), кои им помагаат на роботите да ја проценат својата околина, да се прилагодат на непознати средини и да донесуваат одлуки за задачите. VLM се користи за анализа на околината и препознавање на објекти во опсегот на видот, додека LLM е одговорен за креативно извршување на задачите. Најважната иновација на AutoRT беше појавувањето во LLM блокот на „Робот Конституции“ - безбедносни ориентирани команди кои и кажуваат на машината да избегнува да избира задачи што вклучуваат луѓе, животни, остри предмети, па дури и електрични апарати. Заради дополнителна безбедност, работата е програмирана да запира кога силата на споеви ќе надмине одреден праг; и нивниот дизајн сега има дополнителен физички прекинувач што едно лице може да го користи во итен случај.
Во текот на изминатите седум месеци, Google распореди 53 работни места со системот AutoRT во четири од неговите деловни згради и спроведе повеќе од 77 тестови. Некои од машините беа контролирани од далечина од операторите, додека други ги извршуваа задачите автономно или врз основа на даден алгоритам или користејќи го моделот на AI Robotic Transformer (RT-2). Досега, сите овие роботи имаат исклучително едноставен изглед: тие се манипулаторски екстремитети на мобилна основа и камери за проценка на ситуацијата.
Втората иновација беше системот SARA-RT (Self-Adaptive Robust Attention for Robotics Transformers), насочен кон оптимизирање на работата на моделот RT-2. Истражувачите откриле дека со удвојување на влезните податоци, на пример, зголемување на резолуцијата на камерите, потребата на роботот за компјутерски ресурси се зголемува за четири пати. Овој проблем беше решен со нов метод за фино подесување на вештачката интелигенција наречена up-training - овој метод го претвора квадратниот раст на потребата за компјутерски ресурси во речиси линеарен. Поради ова, моделот работи побрзо, задржувајќи го претходниот квалитет.
Конечно, инженерите на Google DeepMind го развија моделот RT-Trajectory AI, кој го поедноставува тренирањето на роботите за извршување на одредени задачи. По поставувањето на задачата, самиот оператор демонстрира примерок од неговото извршување, RT-Trajectory ја анализира траекторијата на движење поставена од една личност и ја прилагодува на дејствата на роботот.
Прочитајте исто така: