A Google DeepMind csapata egy új rendszert mutat be robotok újszerű feladatok tanítására

2023.07.30. VipAIR

A Google DeepMind csapata forradalmasítja a robotikát egy új rendszerrel, amely megtanítja a robotokat újszerű feladatok elvégzésére, így azok minden eddiginél alkalmazkodóbbak lesznek.

  • A Google DeepMind csapata egy új rendszert, az RT-2-t fejlesztette ki, amely javítja a robotok tanulási és új feladatok elvégzésének képességét.

  • Az RT-2 rendszer képes új parancsokat értelmezni és kezdetleges következtetéseket végezni, például a meglévő összetett információk alapján meghatározni a legjobb eszközt egy adott feladathoz.

  • Az új feladatok végrehajtásának hatékonysági aránya 32%-ról 62%-ra javult az RT-2 bevezetésével, ami jelentős ugrást mutat a robottanulás területén.

A robotika területén a legegyszerűbb feladatok gyakran a legösszetettebbek is lehetnek. Az emberek könnyedén eligazodnak a végtelen változók világában, ami a robotok számára nem elérhető luxus. Ezért a robotikai ipar nagy része a strukturált környezetben végzett, megismételhető feladatokra összpontosít. A Google DeepMind csapata azonban megváltoztatja ezt új rendszerével, az RT-2-vel, amely a robotok tanulási képességeit fokozza.

Tavaly a DeepMind csapata bemutatta a Robotics Transformer (RT-1) nevű rendszert, amely a mindennapi robotrendszereket olyan feladatok elvégzésére tanította, mint a tárgyak felvétele és elhelyezése, valamint a fiókok kinyitása. A rendszer 130 000 bemutatót tartalmazó adatbázisra épült és több mint 700 feladat esetében 97%-os sikerességi arányt ért el. Most bemutatták az RT-2-t, egy olyan rendszert, amely lehetővé teszi a robotok számára, hogy a kis adathalmazokból megtanult fogalmakat hatékonyan ültessék át a különböző forgatókönyvekre. Ez magában foglalja az új parancsok értelmezését és a kezdetleges következtetések elvégzését, például egy adott újszerű feladathoz a legjobb eszköz meghatározását a meglévő összetett információk alapján.

Az RT-2 képességeinek egyik példája a szemét azonosítására és ártalmatlanítására való képessége. Számos modellben a robotnak kifejezett képzésre van szüksége ahhoz, hogy felismerje a szemetet és megtanulja, hogyan kell ártalmatlanítani azt. Az RT-2 azonban képes átvenni a webes adatok nagy korpuszából származó tudást, így közvetlen képzés nélkül is képes azonosítani a szemetet és megérteni, hogyan kell ártalmatlanítani azt. A csapat jelentése szerint az RT-2 bevezetésével az új feladatok elvégzésének hatékonysága 32%-ról 62%-ra javult, ami jelentős ugrást jelent a robottanulásban.

Megosztás Facebookon