Skupina za robotiko pri Googlovem oddelku DeepMind je predstavila tri nove izdelke, ki bodo robotom pomagali sprejemati hitrejše odločitve ter delovati bolj učinkovito in varno, medtem ko opravljajo naloge v bližini ljudi.
Sistem zbiranja podatkov AutoRT temelji na vizualnem jezikovnem modelu (VLM) in velikem jezikovnem modelu (LLM) – pomagata robotom pri ocenjevanju okolja, prilagajanju neznanim situacijam in sprejemanju odločitev o izvajanju nalog. VLM se uporablja za analizo okolja in prepoznavanje predmetov v vidnem polju, medtem ko je LLM odgovoren za kreativno izvajanje nalog. Najpomembnejša novost AutoRT je bil pojav v bloku LLM "Robot Constitutions" - varnostno usmerjenih ukazov, ki stroju sporočajo, naj se izogiba izbiranju nalog, ki vključujejo ljudi, živali, ostre predmete in celo električne naprave. Zaradi dodatne varnosti je delo programirano tako, da se prekine, ko sila na sklepih preseže določeno mejo; njihova zasnova pa ima zdaj dodatno fizično stikalo, ki ga lahko oseba uporabi v sili.
V zadnjih sedmih mesecih je Google s sistemom AutoRT v štirih svojih poslovnih zgradbah razporedil 53 delovnih mest in izvedel več kot 77 testov. Nekatere stroje so upravljali operaterji na daljavo, medtem ko so drugi opravljali naloge avtonomno na podlagi danega algoritma ali z uporabo modela AI robotskega transformatorja (RT-2). Zaenkrat so vsi ti roboti izjemno preprostega videza: gre za manipulatorske okončine na mobilni podlagi in kamere za ocenjevanje situacije.
Druga novost je bil sistem SARA-RT (Self-Adaptive Robust Attention for Robotics Transformers), namenjen optimizaciji delovanja modela RT-2. Raziskovalci so ugotovili, da se s podvojitvijo vhodnih podatkov, na primer s povečanjem ločljivosti kamer, robotova potreba po računalniških virih štirikrat poveča. Ta problem je bil rešen z novo metodo natančnega prilagajanja AI, imenovano up-training – ta metoda spremeni kvadratno rast potreb po računalniških virih v skoraj linearno. Zaradi tega model deluje hitreje in ohranja prejšnjo kakovost.
Nazadnje so inženirji Google DeepMind razvili model RT-Trajectory AI, ki poenostavlja usposabljanje robotov za opravljanje določenih nalog. Po nastavitvi naloge operater sam pokaže vzorec njegove izvedbe, RT-Trajectory analizira pot gibanja, ki jo določi oseba, in jo prilagodi dejanjem robota.
Preberite tudi: