Групата по роботика в подразделението DeepMind на Google представи три нови продукта, които ще помогнат на роботите да вземат по-бързи решения и да действат по-ефективно и безопасно, докато изпълняват задачи около хора.
Системата за събиране на данни на AutoRT е базирана на визуалния езиков модел (VLM) и голям езиков модел (LLM) – те помагат на роботите да оценят околната среда, да се адаптират към непознати ситуации и да вземат решения за изпълнение на задачи. VLM се използва за анализиране на околната среда и разпознаване на обекти в обхвата на зрението, докато LLM отговаря за креативното изпълнение на задачите. Най-важната иновация на AutoRT беше появата в блока LLM на "Robot Constitutions" - ориентирани към безопасността команди, които казват на машината да избягва да избира задачи, които включват хора, животни, остри предмети и дори електрически уреди. С цел допълнителна безопасност, работата е програмирана да спре, когато силата върху ставите надвиши определен праг; и техният дизайн вече има допълнителен физически превключвател, който човек може да използва при спешни случаи.
През последните седем месеца Google разгърна 53 работни места със системата AutoRT в четири от своите офис сгради и проведе повече от 77 2 теста. Някои от машините бяха управлявани дистанционно от оператори, докато други изпълняваха задачи автономно или въз основа на даден алгоритъм, или използвайки модела на AI Robotic Transformer (RT-XNUMX). Досега всички тези роботи имат изключително прост външен вид: те са крайници-манипулатори на мобилна база и камери за оценка на ситуацията.
Втората иновация беше системата SARA-RT (Self-Adaptive Robust Attention for Robotics Transformers), насочена към оптимизиране на работата на модела RT-2. Изследователите установили, че чрез удвояване на входните данни, например увеличаване на разделителната способност на камерите, нуждата на робота от изчислителни ресурси се увеличава четирикратно. Този проблем беше решен чрез нов метод за фина настройка на AI, наречен up-training - този метод превръща квадратичното нарастване на нуждата от изчислителни ресурси в почти линейно. Благодарение на това моделът работи по-бързо, запазвайки предишното качество.
И накрая, инженерите на Google DeepMind разработиха модела RT-Trajectory AI, който опростява обучението на роботи за изпълнение на конкретни задачи. След като зададе задача, самият оператор демонстрира пример за нейното изпълнение, RT-Trajectory анализира зададената от човек траектория на движение и я адаптира към действията на робота.
Прочетете също: