GoogleのDeepMind部門のロボットグループは、ロボットが人間の周りでタスクを実行しながらより迅速な意思決定を行い、より効率的かつ安全に行動できるようにする3つの新製品を発表した。
AutoRT のデータ収集システムは、ビジュアル言語モデル (VLM) とラージ言語モデル (LLM) に基づいています。これらは、ロボットが環境を評価し、不慣れな状況に適応し、タスクの実行に関する意思決定を行うのに役立ちます。 VLM は環境を分析し、視野内のオブジェクトを認識するために使用され、LLM はタスクの創造的な実行を担当します。 AutoRT の最も重要な革新は、「ロボット構成」の LLM ブロックに登場したことです。これは、人間、動物、鋭利な物体、さらには電気製品が関与するタスクの選択を避けるようにマシンに指示する安全指向のコマンドです。安全性をさらに高めるために、関節にかかる力が一定のしきい値を超えた場合に作業が停止するようにプログラムされています。そして彼らの設計には、緊急時に使用できる追加の物理スイッチが組み込まれています。
過去 53 か月にわたって、Google は 77 つのオフィス ビルに AutoRT システムを使用して 2 のジョブを導入し、 件以上のテストを実施しました。一部のマシンはオペレーターによって遠隔制御されていましたが、他のマシンは特定のアルゴリズムに基づいて、またはロボット トランスフォーマー (RT-) AI モデルを使用して自律的にタスクを実行しました。これまでのところ、これらのロボットはすべて、移動ベース上のマニピュレーターの手足と状況を判断するためのカメラという非常に単純な外観をしています。
2 番目の革新は、RT- モデルの動作を最適化することを目的とした SARA-RT (ロボットトランスフォーマー用自己適応型ロバストアテンション) システムでした。研究者らは、入力データを 倍にする、たとえばカメラの解像度を上げることにより、ロボットのコンピューティング リソースの必要性が 倍に増加することを発見しました。この問題は、アップトレーニングと呼ばれる AI を微調整する新しい方法によって解決されました。この方法は、コンピューティング リソースの必要性の二次関数的な増加をほぼ直線的なものに変えます。このため、モデルは以前の品質を維持しながらより高速に動作します。
最後に、Google DeepMind のエンジニアは、特定のタスクを実行するロボットのトレーニングを簡素化する RT-Trajectory AI モデルを開発しました。タスクを設定した後、オペレーター自身がその実行サンプルをデモンストレーションし、RT-Trajectory が人が設定した移動軌跡を分析し、ロボットの動作に適応させます。
また読む：