Роботите на DeepMind вече разполагат със система, която ги прави безопасни за хората
(снимка: CC0 Public Domain)
Екипът по роботика DeepMind на Google разработи нови AI системи, които ще помогнат на роботите да вземат решения по-бързо и да изпълняват задачи по-ефективно и безопасно, когато са заобиколени от хора.
Системата за събиране на данни AutoRT използва визуален езиков модел (VLM) и голям езиков модел (LLM), за да помогне на роботите да оценят своята среда, да се адаптират към непознати среди и да вземат решения при изпълнение на задачи. VLM се използва за анализ на околната среда и разпознаване на обекти в полезрението на робота, докато LLM отговаря за творческото изпълнение на задачите.
Най-важната иновация на AutoRT е появата в блока LLM на „Конституция на робота” – ориентирани към безопасността команди, които инструктират машината да избягва изпълнението на задачи, свързани с хора, животни, остри предмети и дори електрически уреди, отбелязва The Verge.
За допълнителна безопасност роботите са програмирани да спират, когато общото им усилие надвиши определен праг. Тяхната конструкция вече има допълнителен физически превключвател, от който човек може да се възползва при спешни случаи.
През последните седем месеца Google разположи 53 робота със система AutoRT в четири от своите офис сгради и проведе повече от 77 000 теста. Някои от машините бяха управлявани дистанционно от оператори, докато други изпълняваха задачи автономно, или въз основа на даден алгоритъм, или с помощта на AI модела Robotic Transformer (RT-2).
Досега всички тези роботи изглеждат изключително прости: те представляват крайници-манипулатори, разположени върху подвижна основа и оборудвани с камери за оценка на ситуацията.
Втората иновация на DeepMind е системата SARA-RT (Self-Adaptive Robust Attention for Robotics Transformers), насочена към оптимизиране на работата на модела RT-2. Изследователите установиха, че когато входните данни се удвоят, например чрез увеличаване на разделителната способност на камерите, нуждата на робота от изчислителни ресурси се учетворява. Този проблем беше решен благодарение на нов метод за фина настройка на AI, наречен up-training.
Методът превръща квадратичното увеличение на нуждата от изчислителни ресурси почти в линейно. Благодарение на това моделът работи по-бързо, като запазва същото качество.
И накрая, инженерите на DeepMind са разработили AI модел, наречен RT-Trajectory, който улеснява обучението на роботи да изпълняват конкретни задачи. След като постави задачата, самият оператор демонстрира пример за нейното изпълнение. RT-Trajectory анализира зададената от човека траектория на движение и я адаптира към действията на робота.