Google laboratorij za istraživanje vještačke inteligencije DeepMind predstavio je AutoRT, robotski sustav inspiriran principima robotike Isaka Asimova, koji poboljšava donošenje odluka za obavljanje zadataka u stvarnom svijetu.

U značajnom koraku prema poboljšanju sposobnosti robota, DeepMindov robotski tim je predstavio tri inovacije usmjerene na omogućavanje bržeg, učinkovitijeg i sigurnijeg donošenja odluka robota u stvarnim uvjetima, piše Zimo.hr.

Jedna od spomenutih inovacija uključuje implementaciju sustava za prikupljanje podataka pod nazivom AutoRT, koristeći Visual Language Model (VLM) i Large Language Model (LLM) u tandemu. Ovaj sustav omogućava robotima da razumiju svoje okruženje, prilagode se novim okruženjima i odrade odgovarajuće zadatke.

Tijekom vremena od sedam mjeseci Google je postavio 53 AutoRT robota u četiri poslovne zgrade, provodeći više od 77.000 testova 

Inspiriran knjigom “Tri zakona robotike” Isaka Asimova, DeepMind je predstavio koncept “Robot Constitution” (Ustav za robote) – skup upita usmjerenih na sigurnsot koji usmjeravaju LLM da izbjegava zadatke koji uključuju ljude, životinje, oštre predmete i električne uređaje. Osim toga, roboti su opremljeni sigurnosnim mehanizmom koji zaustavlja njihov rad ako njihova sila prijeđe određeni prag. Ljudski operateri također imaju pristup fizičkom prekidaču za trenutnu deaktivaciju.

Ova ispitivanja su uključivala i daljinsko upravljanje od ljudskih operatera i autonomni rad pomoću Googleovog modela učenja AI, Robotic Transformer (RT-2). Roboti utilitarnog izgleda, koji imaju samo kameru, robotsku ruku i mobilnu bazu, oslanjali su se na VLM da razumiju svoje okruženje i na LLM da predlažu i donose odluke o odgovarajućim zadacima.

Dodatne DeepMind tehnologije uključuju SARA-RT, naprednu arhitekturu neuronske mreže koja poboljšava točnost i brzinu postojećeg RT-2 robotskog transformatora. Još jedna inovacija, RT-Trajectory, uključuje 2D konture za poboljšanje performansi robota u određenim fizičkim zadacima, kao što je brisanje stola.

Iako su potpuno autonomni, roboti koji mogu da samostalno poslužuju piće i obavljaju složene zadatke još su daleka realnost, ova poboljšanja, posebno AutoRT sustav, označavaju značajan napredak u razvoju robota sa poboljšanim sposobnostima donošenja odluka.

Google laboratorij za istraživanje vještačke inteligencije DeepMind predstavio je AutoRT, robotski sustav inspiriran principima robotike Isaka Asimova, koji poboljšava donošenje odluka za obavljanje zadataka u stvarnom svijetu.

U značajnom koraku prema poboljšanju sposobnosti robota, DeepMindov robotski tim je predstavio tri inovacije usmjerene na omogućavanje bržeg, učinkovitijeg i sigurnijeg donošenja odluka robota u stvarnim uvjetima, piše Zimo.hr.

Jedna od spomenutih inovacija uključuje implementaciju sustava za prikupljanje podataka pod nazivom AutoRT, koristeći Visual Language Model (VLM) i Large Language Model (LLM) u tandemu. Ovaj sustav omogućava robotima da razumiju svoje okruženje, prilagode se novim okruženjima i odrade odgovarajuće zadatke.

Tijekom vremena od sedam mjeseci Google je postavio 53 AutoRT robota u četiri poslovne zgrade, provodeći više od 77.000 testova 

Inspiriran knjigom “Tri zakona robotike” Isaka Asimova, DeepMind je predstavio koncept “Robot Constitution” (Ustav za robote) – skup upita usmjerenih na sigurnsot koji usmjeravaju LLM da izbjegava zadatke koji uključuju ljude, životinje, oštre predmete i električne uređaje. Osim toga, roboti su opremljeni sigurnosnim mehanizmom koji zaustavlja njihov rad ako njihova sila prijeđe određeni prag. Ljudski operateri također imaju pristup fizičkom prekidaču za trenutnu deaktivaciju.

Ova ispitivanja su uključivala i daljinsko upravljanje od ljudskih operatera i autonomni rad pomoću Googleovog modela učenja AI, Robotic Transformer (RT-2). Roboti utilitarnog izgleda, koji imaju samo kameru, robotsku ruku i mobilnu bazu, oslanjali su se na VLM da razumiju svoje okruženje i na LLM da predlažu i donose odluke o odgovarajućim zadacima.

Dodatne DeepMind tehnologije uključuju SARA-RT, naprednu arhitekturu neuronske mreže koja poboljšava točnost i brzinu postojećeg RT-2 robotskog transformatora. Još jedna inovacija, RT-Trajectory, uključuje 2D konture za poboljšanje performansi robota u određenim fizičkim zadacima, kao što je brisanje stola.

Iako su potpuno autonomni, roboti koji mogu da samostalno poslužuju piće i obavljaju složene zadatke još su daleka realnost, ova poboljšanja, posebno AutoRT sustav, označavaju značajan napredak u razvoju robota sa poboljšanim sposobnostima donošenja odluka.