Робот, оснащений робототехнікою Bootics AI, може кинути баскетбол в обруч.
Кілька днів тому Deepmind Google застосував велику мову моделі (LLM) Gemini до роботів. За допомогою моделі, за словами компанії, роботи можуть виконувати певні завдання, не дотримуючись рухів інших роботів. Наприклад, "занурити" міні -баскетбол в обручі на столі.
Deepmind-одна з компаній, яка намагається розробити боти загального призначення за допомогою технології чатів. Однак, враховуючи, що такі моделі схильні для отримання помилок та шкідливих результатів, цей технічний шлях має наслідки безпеки.
Дослідницька група сподівається розробити машину, інтуїтивно зрозумілу для роботи, і може виконувати різноманітні фізичні завдання без нагляду за людьми або попередньо запрограмами. Кароліна Парада, керівник команди з робототехніки в Deepmind, зазначила, що підключивши модель Близнюків, розробники можуть покращити здатність робота "розуміти природну мову та сприймати фізичний світ на більш тонкому рівні".
Модель під назвою Gemini Robotics була випущена 12 березня. Олександр Хазатський, співзасновник та дослідник AI в Collectedai, американській компанії з штучного інтелекту (AI), прокоментував, що це "маленький і відчутний крок" до мети універсальних роботів.
Команда DeepMind заснована на своїй найсучаснішій моделі бачення та мови, Gemini 2. 0, яка навчається шляхом аналізу шаблонів у величезній кількості даних.
Команда розробила спеціальну версію Близнюків для покращення можливостей завдань, що стосуються 3D -фізики та просторового міркувань, таких як прогнозування траєкторії об'єкта або ідентифікація однієї частини об'єкта із зображень, взяті з різних кутів.
Крім того, дослідники підготували модель з тисячами годинних демо-даних, що працюють на дистанційному режимі. Це дозволяє "мозку" робота виконувати завдання в реальному світі, подібно до того, як LLM можуть пов’язати наступне слово у реченні шляхом навчання.
Дослідники перевіряли робототехніку Gemini на гуманоїдних роботах та робототехнічних озброєннях, що використовують гармонічні редуктори, висвітлюючи завдання, що виникли на тренуванні, а також нові завдання, які не піддавалися їм. Вони кажуть, що робот із моделлю перевищує своїх конкурентів як у знайомих, так і нових завдань із скоригованими деталями.
У завданнях, які потребують делікатних маніпуляцій, таких як орігамі або застебнуть рюкзак, робот має успіх більше 70% після перегляду менше 100 демонстрацій. Роботи, що використовують інші моделі, майже всі не вдалося.
Хазатський вважає, що команда Google зробила велику роботу з імплантацією здорового глузду в "мозок" робота, але він зазначає, що реальний стрибок буде виходити з навчання з даних, зібраних у "хаотичному реальному світі", а не в лабораторному середовищі.
Безпека стає суттєвою проблемою при застосуванні таких моделей. Вікас Сіндвані, робототехніка та дослідник AI в Deepmind у Нью -Йорку, США, сказав: "Спочатку роботів зберігатимуть безпечну відстань від людей. У майбутньому ми поступово виконаємо більш інтерактивні та спільні завдання".