RoboCat من DeepMind يُحدث ثورة في أداء مهام الروبوتات عبر نماذج مختلفة </ h2>

أعلنت شركة DeepMind مؤخرًا عن إنشاء RoboCat ، وهو نموذج ذكاء اصطناعي يمكنه أداء العديد من المهام بكفاءة باستخدام أذرع روبوتية متعددة في العالم الحقيقي. هذا الابتكار الرائد هو الأول من نوعه الذي يعالج العديد من المهام بكفاءة مع التكيف مع نماذج روبوتية مختلفة ، مما قد يقلل من حاجز حل المهام الجديدة في مجال الروبوتات.

تم تطوير RoboCat بناءً على نموذج DeepMind السابق المسمى Gato ، والذي يعمل كنظام ذكاء اصطناعي قادر على تحليل النصوص والصور والأحداث والتفاعل معها. تم تدريبه على بيانات الصورة والحركة من كل من الروبوتات المحاكية والحقيقية. تشمل البيانات المستخدمة للتدريب نماذج التحكم في الروبوت داخل البيئات الافتراضية ، والروبوتات التي يتحكم فيها الإنسان ، والتكرارات السابقة لـ RoboCat.

بدأ الباحثون التدريب من خلال جمع 100 إلى 1000 عرض توضيحي للمهام أو تعليم الأسلحة الآلية التي يتحكم بها البشر. بعد ذلك ، تم ضبط RoboCat على المهمة ، حيث تم إنشاء نماذج عرضية متخصصة مارست المهمة حوالي 10000 مرة. من خلال زيادة مجموعة بيانات تدريب RoboCat باستخدام بيانات النموذج العرضي وبيانات العرض التوضيحي ، قاموا بإنشاء إصدارات أحدث من نموذج AI.

تم تدريب الإصدار النهائي من RoboCat على إجمالي 253 مهمة ، ثم تم اختباره على مجموعة من 141 نوعًا مختلفًا من هذه المهام في سيناريوهات المحاكاة وفي العالم الحقيقي. وجدت DeepMind أنه بعد مراقبة 1000 عرض يسيطر عليه الإنسان ، كان RoboCat بارعًا في تشغيل أنواع مختلفة من الأسلحة الآلية. علاوة على ذلك ، على الرغم من تدريبه على الروبوتات ذات الأذرع ذات الشقين ، إلا أن نموذج الذكاء الاصطناعي يمكن أن يتكيف مع ذراع أكثر تعقيدًا بمقبض ثلاثي الأصابع ومضاعفة عدد المدخلات التي يمكن التحكم فيها.

ومع ذلك ، تفاوت معدل نجاح النموذج بشكل كبير من 13٪ إلى 99٪ عبر مهام متعددة اعتمادًا على عدد العروض التوضيحية المضمنة في بيانات التدريب. ومع ذلك ، كشف موقع DeepMind أن RoboCat يمكن أن يتعلم مهام جديدة بأقل من 100 عرض توضيحي في بعض الحالات.

تتضمن الأهداف المستقبلية لفريق البحث تقليل عدد العروض التوضيحية اللازمة لتعليم RoboCat مهمة جديدة إلى أقل من عشرة. مع استمرار تقدم تطوير نماذج الذكاء الاصطناعي التي تساعد في المهام الروبوتية ، يمكن أن يؤدي التكامل مع الأنظمة الأساسية الحديثة low-codeno-code مثل AppMaster إلى زيادة تحسين الأتمتة والكفاءة لمجموعة واسعة من الصناعات ، بما في ذلك التصنيع والخدمات اللوجستية.

لا تساعد المنصات مثل AppMaster الشركات في حل المشكلات المعقدة بسرعة فحسب ، بل تقلل أيضًا من تكاليف تطوير البرامج. مع استمرار ظهور نماذج متقدمة للذكاء الاصطناعي مثل RoboCat ، فإن الجمع بين هذه الأنظمة الأساسية ذات التعليمات low-codeno-code لإدارة المهام في الصناعات المختلفة لديه القدرة على إحداث ثورة في العمليات التجارية والإنتاجية والابتكار.