Robot mgħammar b'mudell AI ta 'Gemini Robotics jista' jitfa 'basketball fil-ċrieki.
Ftit jiem ilu, Google's DeepMind applika l-mudell tal-lingwa l-kbira (LLM) Gemini għal robots. Bil-mudell, tgħid il-kumpanija, ir-robots jistgħu jwettqu ċerti kompiti mingħajr ma jkollhom josservaw il-movimenti ta 'robots oħra. Pereżempju, "dunk" mini basketball fil-ċrieki fuq il-mejda.
DeepMind hija waħda mill-kumpaniji li qed tipprova tiżviluppa bots għal skopijiet ġenerali bl-użu tat-teknoloġija Chatbot. Madankollu, meta wieħed iqis li mudelli bħal dawn huma suxxettibbli li jipproduċu żbalji u riżultati ta 'ħsara, din it-triq teknika għandha implikazzjonijiet ta' sigurtà.
It-tim ta 'riċerka jittama li jiżviluppa magna li hija intuwittiva biex topera u li tista' twettaq varjetà ta 'kompiti fiżiċi mingħajr superviżjoni umana jew pre-programmi. Carolina Parada, kap tat-tim tar-robotika ta 'DeepMind, innotat li billi jgħaqqad il-mudell Gemini, l-iżviluppaturi jistgħu jtejbu l-abilità tar-robot li "jifhmu l-lingwa naturali u jipperċepixxu d-dinja fiżika f'livell ifjen."
Il-mudell, imsejjaħ Gemini Robotics, ġie rilaxxat fit-12 ta 'Marzu. Alexander Khazatsky, ko-fundatur u riċerkatur tal-AI fil-Collectai, kumpanija Amerikana ta' Intelligence Artifical (AI), ikkummenta li dan huwa "pass żgħir u tanġibbli" lejn l-għan tar-robots universali.
It-tim DeepMind huwa bbażat fuq il-viżjoni u l-mudell tal-lingwa l-aktar avvanzat tiegħu, Gemini 2. 0, li huwa mħarreġ billi tanalizza xejriet f'ammonti massivi ta 'dejta.
It-tim żviluppa verżjoni ddedikata ta 'Gemini biex itejjeb il-kapaċitajiet ta' kompiti li jinvolvu l-fiżika 3D u r-raġunament spazjali, bħalma huma t-tbassir tat-trajettorja ta 'oġġett jew l-identifikazzjoni tal-istess parti ta' oġġett minn immaġini meħuda minn angoli differenti.
Barra minn hekk, ir-riċerkaturi ħarrġu l-mudell b'eluf ta 'sigħat ta' dejta ta 'demo robot hands-on, operata mill-bogħod. Dan jippermetti lill- "moħħ" tar-robot iwettaq kompiti tad-dinja reali, simili għal kif LLMs jistgħu jassoċjaw il-kelma li jmiss f'sentenza permezz tat-tagħlim.
Ir-riċerkaturi ttestjaw ir-robotika tal-Gemini fuq robots umanojdi u armi robotiċi li jużaw tnaqqis armoniku, li jkopru kompiti li ħarġu fit-taħriġ kif ukoll kompiti ġodda li ma kinux ġew esposti għalihom. Huma jgħidu li r-robot bil-mudell jiżboq lill-kompetituri tiegħu kemm f'ħidmiet familjari kif ukoll ġodda b'dettalji aġġustati.
F'ħidmiet li jeħtieġu manipulazzjoni delikata, bħal origami jew żippijiet ta 'backpack, ir-robot għandu rata ta' suċċess ta 'aktar minn 70% wara li jara inqas minn 100 dimostrazzjoni. Robots li jużaw mudelli oħra kważi kollha fallew.
Khazatsky jemmen li t-tim tal-Google għamel xogħol tajjeb ħafna biex jimplimenta s-sens komun fil- "moħħ" tar-robot, iżda huwa jinnota li l-qabża vera se tkun ġejja minn tagħlim minn dejta miġbura fid- "dinja reali kaotika" aktar milli f'ambjent tal-laboratorju.
Is-sigurtà ssir sfida sinifikanti meta jiġu applikati mudelli bħal dawn. Vikas Sindhwani, ir-robotika u r-riċerkatur tal-AI fi DeepMind fi New York, l-Istati Uniti, qal: "Inizjalment, ir-robots se jżommu distanza sikura mill-bnedmin. Fil-futur, aħna se nimplimentaw gradwalment aktar kompiti interattivi u kollaborattivi."