กลุ่มวิทยาการหุ่นยนต์ในแผนก DeepMind ของ Google ได้เปิดตัวผลิตภัณฑ์ใหม่ 3 ชนิดที่จะช่วยให้หุ่นยนต์ตัดสินใจได้เร็วขึ้น และดำเนินการได้อย่างมีประสิทธิภาพและปลอดภัยยิ่งขึ้นในขณะที่ปฏิบัติงานกับคน
ระบบรวบรวมข้อมูลของ AutoRT ขึ้นอยู่กับโมเดลภาษาภาพ (VLM) และโมเดลภาษาขนาดใหญ่ (LLM) ซึ่งช่วยหุ่นยนต์ประเมินสภาพแวดล้อม ปรับให้เข้ากับสถานการณ์ที่ไม่คุ้นเคย และตัดสินใจเกี่ยวกับการปฏิบัติงาน VLM ใช้เพื่อวิเคราะห์สภาพแวดล้อมและจดจำวัตถุที่อยู่ในระยะการมองเห็น ในขณะที่ LLM มีหน้าที่รับผิดชอบในการปฏิบัติงานอย่างสร้างสรรค์ นวัตกรรมที่สำคัญที่สุดของ AutoRT คือการปรากฏตัวในบล็อก LLM ของ "Robot Constitutions" ซึ่งเป็นคำสั่งที่เน้นความปลอดภัย ซึ่งบอกให้เครื่องจักรหลีกเลี่ยงการเลือกงานที่เกี่ยวข้องกับคน สัตว์ วัตถุมีคม และแม้แต่เครื่องใช้ไฟฟ้า เพื่อความปลอดภัยเพิ่มเติม งานจะถูกตั้งโปรแกรมให้หยุดเมื่อแรงที่ข้อต่อเกินเกณฑ์ที่กำหนด และการออกแบบของพวกเขาตอนนี้มีสวิตช์ทางกายภาพเพิ่มเติมที่บุคคลสามารถใช้ในกรณีฉุกเฉินได้
ในช่วงเจ็ดเดือนที่ผ่านมา Google ได้ปรับใช้งาน 53 ตำแหน่งกับระบบ AutoRT ในอาคารสำนักงานสี่แห่งและทำการทดสอบมากกว่า 77 ครั้ง เครื่องจักรบางเครื่องได้รับการควบคุมจากระยะไกลโดยผู้ปฏิบัติงาน ในขณะที่เครื่องอื่นๆ ทำงานโดยอัตโนมัติตามอัลกอริธึมที่กำหนดหรือใช้โมเดล AI ของ Robotic Transformer (RT-2) จนถึงตอนนี้ หุ่นยนต์เหล่านี้มีรูปลักษณ์ที่เรียบง่ายมาก โดยเป็นแขนขาของหุ่นยนต์บนฐานเคลื่อนที่ได้ และเป็นกล้องสำหรับประเมินสถานการณ์
นวัตกรรมที่สองคือระบบ SARA-RT (Self-Adaptive Robust Attention for Robotics Transformers) ซึ่งมุ่งเป้าไปที่การปรับการทำงานของโมเดล RT-2 ให้เหมาะสมที่สุด นักวิจัยพบว่าการเพิ่มข้อมูลอินพุตเป็นสองเท่า เช่น การเพิ่มความละเอียดของกล้อง ความต้องการทรัพยากรการประมวลผลของหุ่นยนต์จะเพิ่มขึ้นสี่เท่า ปัญหานี้ได้รับการแก้ไขโดยวิธีการใหม่ในการปรับแต่ง AI ที่เรียกว่าการฝึกอบรมขั้นสูง - วิธีนี้จะเปลี่ยนการเติบโตแบบสมการกำลังสองของความต้องการทรัพยากรการประมวลผลให้กลายเป็นแบบเชิงเส้นเกือบ ด้วยเหตุนี้โมเดลจึงทำงานเร็วขึ้นโดยรักษาคุณภาพเดิมไว้
ในที่สุด วิศวกรของ Google DeepMind ได้พัฒนาโมเดล RT-Trajectory AI ซึ่งช่วยให้หุ่นยนต์ฝึกทำงานเฉพาะได้ง่ายขึ้น หลังจากกำหนดงานแล้ว ผู้ปฏิบัติงานจะสาธิตตัวอย่างการดำเนินการด้วยตัวเอง ส่วน RT-Trajectory จะวิเคราะห์วิถีการเคลื่อนที่ที่บุคคลกำหนดและปรับให้เข้ากับการกระทำของหุ่นยนต์
อ่าน: