Роботите на DeepMind вече разполагат със система, която ги прави

Роботите на DeepMind към този момент разполагат със система, която ги прави безвредни за хората
(снимка: CC0 Public Domain)

Екипът по роботика DeepMind на Гугъл създаде нови AI системи, които ще оказват помощ на роботите да вземат решения по-бързо и да извършват задания по-ефективно и безвредно, когато са заобиколени от хора.

Системата за събиране на данни AutoRT употребява образен езиков модел (VLM) и огромен езиков модел (LLM), с цел да помогне на роботите да оценят своята среда, да се приспособяват към непознати среди и да вземат решения при осъществяване на задания. VLM се употребява за разбор на околната среда и различаване на обекти в полезрението на робота, до момента в който LLM дава отговор за креативното осъществяване на дилемите.

Най-важната иновация на AutoRT е появяването в блока LLM на „ Конституция на робота ” – насочени към сигурността команди, които инструктират машината да заобикаля осъществяването на задания, свързани с хора, животни, остри предмети и даже електрически уреди, отбелязва The Verge.

За спомагателна сигурност роботите са програмирани да стопират, когато общото им изпитание надвиши избран предел. Тяхната структура към този момент има спомагателен физически комутатор, от който човек може да се възползва при незабавни случаи.

През последните седем месеца Гугъл разположи 53 робота със система AutoRT в четири от своите офис здания и организира повече от 77 000 теста. Някои от машините бяха ръководени отдалечено от оператори, до момента в който други изпълняваха задания самостоятелно, или въз основа на даден логаритъм, или благодарение на AI модела Robotic Transformer (RT-2).
още по темата
Досега всички тези роботи наподобяват извънредно елементарни: те съставляват крайници-манипулатори, ситуирани върху преносима основа и оборудвани с камери за оценка на обстановката.

Втората иновация на DeepMind е системата SARA-RT (Self-Adaptive Robust Attention for Robotics Transformers), ориентирана към усъвършенстване на работата на модела RT-2. Изследователите откриха, че когато входните данни се удвоят, да вземем за пример посредством увеличение на разграничителната дарба на камерите, потребността на робота от изчислителни запаси се учетвори. Този проблем беше решен с помощта на нов способ за фина конфигурация на AI, наименуван up-training.

Методът трансформира квадратичното нарастване на потребността от изчислителни запаси съвсем в линейно. Благодарение на това моделът работи по-бързо, като резервира същото качество.

И най-после, инженерите на DeepMind са създали AI модел, наименуван RT-Trajectory, който улеснява образованието на роботи да извършват съответни задания. След като сложи задачата, самият оператор показва образец за нейното изпълнение; RT-Trajectory проучва заложената от човек траектория и я приспособява към дейностите на робота.