Google-un DeepMind bölməsindəki robototexnika qrupu robotlara insanların ətrafında tapşırıqları yerinə yetirərkən daha sürətli qərarlar qəbul etməyə və daha səmərəli və təhlükəsiz hərəkət etməyə kömək edəcək üç yeni məhsul təqdim edib.
AutoRT-nin məlumat toplama sistemi vizual dil modelinə (VLM) və böyük dil modelinə (LLM) əsaslanır - onlar robotlara ətraf mühiti qiymətləndirməyə, tanış olmayan vəziyyətlərə uyğunlaşmağa və tapşırıqların icrası ilə bağlı qərarlar qəbul etməyə kömək edir. VLM ətraf mühiti təhlil etmək və görmə diapazonunda olan obyektləri tanımaq üçün istifadə olunur, LLM isə tapşırıqların yaradıcı icrasına cavabdehdir. AutoRT-nin ən mühüm yeniliyi “Robot Konstitusiyaları”nın LLM blokunda – maşına insanları, heyvanları, iti cisimləri və hətta elektrik cihazlarını cəlb edən tapşırıqları seçməkdən çəkinməyi əmr edən təhlükəsizlik yönümlü əmrlərin görünüşü idi. Əlavə təhlükəsizlik məqsədi ilə oynaqlarda qüvvə müəyyən həddi aşdıqda işin dayandırılması proqramlaşdırılır; və onların dizaynında indi insanın fövqəladə vəziyyətdə istifadə edə biləcəyi əlavə fiziki keçid var.
Son yeddi ay ərzində Google, dörd ofis binasında AutoRT sistemi ilə 53 iş yerləşdirdi və 77-dən çox sınaq keçirdi. Maşınların bəziləri operatorlar tərəfindən uzaqdan idarə olunurdu, digərləri isə ya verilmiş alqoritm əsasında, ya da Robotik Transformator (RT-2) AI modelindən istifadə edərək tapşırıqları avtonom şəkildə yerinə yetirirdi. İndiyə qədər bütün bu robotlar olduqca sadə görünüşə malikdir: onlar mobil bazada manipulyator üzvlər və vəziyyəti qiymətləndirmək üçün kameralardır.
İkinci yenilik RT-2 modelinin işini optimallaşdırmağa yönəlmiş SARA-RT (Robotexnika Transformatorları üçün Self-Adaptive Robust Attention) sistemi idi. Tədqiqatçılar müəyyən ediblər ki, daxil olan məlumatları iki dəfə artırmaqla, məsələn, kameraların ayırdetmə qabiliyyətini artırmaqla robotun hesablama resurslarına ehtiyacı dörd dəfə artır. Bu problem süni intellektin incə tənzimləməsinin up-training adlı yeni üsulu ilə həll edildi - bu üsul hesablama resurslarına ehtiyacın kvadratik artımını demək olar ki, xətti birinə çevirir. Bunun sayəsində model əvvəlki keyfiyyətini saxlayaraq daha sürətli işləyir.
Nəhayət, Google DeepMind mühəndisləri xüsusi tapşırıqları yerinə yetirmək üçün təlim robotlarını asanlaşdıran RT-Trajectory AI modelini hazırlayıblar. Tapşırığı təyin etdikdən sonra operator özü onun icrasının nümunəsini nümayiş etdirir, RT-Trajectory insan tərəfindən təyin olunan hərəkət trayektoriyasını təhlil edir və onu robotun hərəkətlərinə uyğunlaşdırır.
Həmçinin oxuyun: