Η ομάδα ρομποτικής στο τμήμα DeepMind της Google παρουσίασε τρία νέα προϊόντα που θα βοηθήσουν τα ρομπότ να λαμβάνουν ταχύτερες αποφάσεις και να ενεργούν πιο αποτελεσματικά και με ασφάλεια ενώ εκτελούν εργασίες γύρω από ανθρώπους.
Το σύστημα απόκτησης δεδομένων του AutoRT βασίζεται στο Visual Language Model (VLM) και το Large Language Model (LLM), τα οποία βοηθούν τα ρομπότ να αξιολογούν το περιβάλλον τους, να προσαρμόζονται σε άγνωστα περιβάλλοντα και να λαμβάνουν αποφάσεις σχετικά με εργασίες. Το VLM χρησιμοποιείται για την ανάλυση του περιβάλλοντος και την αναγνώριση αντικειμένων εντός του εύρους της όρασης, ενώ το LLM είναι υπεύθυνο για τη δημιουργική εκτέλεση εργασιών. Η πιο σημαντική καινοτομία του AutoRT ήταν η εμφάνιση στο μπλοκ LLM του "Robot Constitutions" - εντολές προσανατολισμένες στην ασφάλεια που λένε στο μηχάνημα να αποφεύγει την επιλογή εργασιών που αφορούν ανθρώπους, ζώα, αιχμηρά αντικείμενα, ακόμη και ηλεκτρικές συσκευές. Για λόγους πρόσθετης ασφάλειας, η εργασία έχει προγραμματιστεί να σταματά όταν η δύναμη στις αρθρώσεις υπερβαίνει ένα ορισμένο όριο. και ο σχεδιασμός τους έχει τώρα έναν επιπλέον φυσικό διακόπτη που μπορεί να χρησιμοποιήσει ένα άτομο σε περίπτωση έκτακτης ανάγκης.
Τους τελευταίους επτά μήνες, η Google ανέπτυξε 53 θέσεις εργασίας με το σύστημα AutoRT σε τέσσερα από τα κτίρια γραφείων της και πραγματοποίησε περισσότερες από 77 δοκιμές. Μερικά από τα μηχανήματα ελέγχονταν εξ αποστάσεως από χειριστές, ενώ άλλα εκτελούσαν εργασίες αυτόνομα είτε με βάση έναν δεδομένο αλγόριθμο είτε χρησιμοποιώντας το μοντέλο AI Robotic Transformer (RT-2). Μέχρι στιγμής, όλα αυτά τα ρομπότ έχουν μια εξαιρετικά απλή εμφάνιση: είναι χειριστές άκρων σε κινητή βάση και κάμερες για την αξιολόγηση της κατάστασης.
Η δεύτερη καινοτομία ήταν το σύστημα SARA-RT (Self-Adaptive Robust Attention for Robotics Transformers), με στόχο τη βελτιστοποίηση της λειτουργίας του μοντέλου RT-2. Οι ερευνητές διαπίστωσαν ότι διπλασιάζοντας τα δεδομένα εισόδου, για παράδειγμα, αυξάνοντας την ανάλυση των καμερών, η ανάγκη του ρομπότ για υπολογιστικούς πόρους τετραπλασιάζεται. Αυτό το πρόβλημα επιλύθηκε με μια νέα μέθοδο λεπτομέρειας τεχνητής νοημοσύνης που ονομάζεται up-training - αυτή η μέθοδος μετατρέπει την τετραγωνική αύξηση της ανάγκης για υπολογιστικούς πόρους σε σχεδόν γραμμική. Λόγω αυτού, το μοντέλο λειτουργεί πιο γρήγορα, διατηρώντας την προηγούμενη ποιότητα.
Τέλος, οι μηχανικοί της Google DeepMind ανέπτυξαν το μοντέλο RT-Trajectory AI, το οποίο απλοποιεί την εκπαίδευση ρομπότ για την εκτέλεση συγκεκριμένων εργασιών. Μετά τον καθορισμό μιας εργασίας, ο ίδιος ο χειριστής επιδεικνύει ένα δείγμα της εκτέλεσής της, το RT-Trajectory αναλύει την τροχιά κίνησης που έχει οριστεί από ένα άτομο και την προσαρμόζει στις ενέργειες του ρομπότ.
Διαβάστε επίσης: