В 90% от общуването с хора, роботите следват успешно дадените

В 90% от общуването с хора, роботите следват сполучливо дадените им указания
(снимка: Гугъл DeepMind)

Изследователите на Гугъл образоваха робот да извършва команди и да кара из офиса благодарение на невронната мрежа Gemini, създадена от екипа на интернет компанията.

Подразделението Гугъл DeepMind Robotics показва тази седмица по какъв начин роботът RT-2, подготвен благодарение на невронната мрежа Гугъл Gemini 1.5 Pro, може да извършва команди на натурален език и да се движи из офис пространство.

Поредица от демонстрира робот, изпълняващ разнообразни задания в офис пространство от 9000 квадратни метра. В едно видео чиновник на Гугъл моли робота да го заведе някъде да рисува. „ Добре ”, дава отговор той, „ дайте ми минута ”. Ние мислим дружно с Gemini… ”. След това роботът води индивида до бяла дъска с размерите на стена.

Във второто видео различен чиновник моли робота да следва напътствията на дъската . Той рисува елементарна карта, показваща по какъв начин да стигнете до Синята зона. Роботът се замисля за миг, преди да стартира да следва избрания маршрут до място, което се оказва… място за тестване на робота. „ Следвах сполучливо инструкциите на дъската ”, рапортува роботът.

Преди записа на видеоклиповете, роботите са осведомени с пространството благодарение на системата “Multimodal Instructional Navigation with Demonstration Tours (MINT) ”. Благодарение на това, роботът може да се движи из офиса в сходство с разнообразни ориентири , посочени на глас.

След това DeepMind Robotics употребява йерархична система Vision-Language-Action (VLA), „ която съчетава екологичното схващане със силата на здравия разсъдък ”. С съчетание на процесите, роботът придобива дарба да дава отговор на писмени и нарисувани команди , на жестове и да направлява в региона.

Според Гугъл, при към 90% от 50 взаимоотношения със чиновници, роботите са следвали сполучливо дадените им указания.