Група за роботику у Гоогле-овом одељењу ДеепМинд представила је три нова производа који ће помоћи роботима да доносе брже одлуке и делују ефикасније и безбедније док обављају задатке око људи.
АутоРТ-ов систем за прикупљање података заснован је на моделу визуелног језика (ВЛМ) и моделу великог језика (ЛЛМ), који помажу роботима да процене своје окружење, прилагоде се непознатим окружењима и доносе одлуке о задацима. ВЛМ се користи за анализу околине и препознавање објеката у домету вида, док је ЛЛМ одговоран за креативно извршавање задатака. Најважнија иновација АутоРТ-а била је појава у ЛЛМ блоку „Робот Цонститутионс“ – безбедносно оријентисане команде које говоре машини да избегава да бира задатке који укључују људе, животиње, оштре предмете, па чак и електричне уређаје. Ради додатне сигурности, рад је програмиран да се заустави када сила на зглобове пређе одређени праг; а њихов дизајн сада има додатни физички прекидач који особа може да користи у хитним случајевима.
Током протеклих седам месеци, Гоогле је распоредио 53 посла са АутоРТ системом у четири своје пословне зграде и спровео више од 77 тестова. Неким машинама су оператери управљали даљински, док су други обављали задатке аутономно или на основу датог алгоритма или користећи роботски трансформатор (РТ-2) АИ модел. До сада, сви ови роботи имају врло једноставан изглед: то су удови манипулатора на мобилној бази и камере за процену ситуације.
Друга иновација је био систем САРА-РТ (Селф-Адаптиве Робуст Аттентион фор Роботицс Трансформерс) који је имао за циљ оптимизацију рада модела РТ-2. Истраживачи су открили да се удвостручавањем улазних података, на пример, повећањем резолуције камера, потреба робота за рачунарским ресурсима повећава четири пута. Овај проблем је решен новом методом финог подешавања АИ, названом уп-траининг – ова метода претвара квадратни раст потребе за рачунарским ресурсима у скоро линеаран. Због тога модел ради брже, задржавајући претходни квалитет.
Коначно, Гоогле ДеепМинд инжењери су развили РТ-Трајецтори АИ модел, који поједностављује обуку робота за обављање одређених задатака. Након постављања задатка, оператер сам демонстрира узорак његовог извршења, РТ-Трајекторија анализира путању кретања коју је поставила особа и прилагођава је акцијама робота.
Прочитајте такође: