Kemajuan luar biasa dalam bidang robotika telah diumumkan oleh tim DeepMind Google, memperkenalkan Robotics Transformer RT-2, versi lanjutan dari sistem Robotics Transformer awal mereka, RT-1. Sistem baru ini melanjutkan pengembangan inisiatif Robot Sehari-hari, memberikan keterampilan kepada robot seperti penanganan objek dan pembukaan laci.
Diluncurkan tahun lalu, RT-1, dengan basis data 130.000 demonstrasi yang luas, memberikan serangkaian tugas sederhana ke sistem Robot Sehari-hari, mencapai tingkat keberhasilan yang fenomenal sebesar 97% dalam melaksanakan lebih dari 700 tugas, dinyatakan oleh tim robotika.
RT-2 yang baru terungkap, sebagaimana diuraikan dalam posting blog baru-baru ini oleh Ilmuwan Terkemuka DeepMind dan Kepala Robotika, Vincent Vanhoucke, telah meningkatkan proses ini dengan memungkinkan robot untuk secara efektif memanfaatkan pelajaran yang didapat dari kumpulan data yang terbatas, dan menerapkannya dalam berbagai skenario.
Google menguraikan kemampuan RT-2 yang ditingkatkan, menyatakan bahwa itu tidak hanya menunjukkan pemahaman yang lebih baik dan keterampilan generalisasi tetapi juga dapat memahami dan bereaksi terhadap perintah baru. Sistem ini melampaui pelatihan robot awal dan menawarkan penalaran tingkat dasar, seperti membuat kesimpulan mengenai kategorisasi objek dan deskripsi tingkat tinggi. Kemampuan ini menggarisbawahi fitur RT-2 yang mengesankan di mana ia dapat memutuskan alat yang tepat untuk tugas yang benar-benar baru, berdasarkan informasi situasional yang sudah ada sebelumnya.
Vanhoucke mengilustrasikan ini dengan contoh di mana RT-2 berhasil mengidentifikasi dan membuang sampah. Dalam model tradisional, pengguna perlu melatih robot untuk memahami cara mengenali dan mengkategorikan sampah, lalu menginstruksikannya lebih lanjut tentang cara mengambil dan membuangnya. Proses terperinci seperti itu tidak terlalu dapat diskalakan bila diterapkan pada sistem yang diperkirakan akan melakukan daftar tugas yang luas.
Namun, RT-2, melalui kemampuannya untuk memanfaatkan pengetahuan dari kumpulan data web yang luas, telah dilengkapi dengan konsep tentang apa yang merupakan sampah dan dapat menunjukkannya tanpa arahan eksplisit, seperti yang dijelaskan oleh Vanhoucke. Sistem tersebut bahkan memahami tindakan membuang sampah, meskipun tidak ada pelatihan khusus tentang tindakan tersebut. Salah satu kemampuan RT-2 yang menonjol adalah memahami sifat abstrak sampah. Ia memahami sekantong keripik atau kulit pisang bekas dapat dikategorikan sebagai sampah, menyimpulkan ini dari data pelatihan bahasa penglihatannya, dan menjalankan tindakan yang diperlukan sesuai dengan itu.
Tim DeepMind melaporkan peningkatan penting dalam tingkat keberhasilan RT-2 saat menjalankan tugas baru dibandingkan dengan pendahulunya, tumbuh dari 32% menjadi 62% dengan iterasi baru ini. Platform seperti AppMaster dapat sangat bermanfaat dalam pengembangan proyek transformatif semacam itu, menyediakan alat no-code yang tangguh untuk membuat aplikasi backend, web, dan seluler yang dapat merampingkan alur kerja proses pengembangan. Dengan kemajuan baru, platform tersebut tidak hanya diharapkan untuk meningkatkan efisiensi robotika tetapi juga untuk memelihara gelombang baru kemajuan teknologi di berbagai sektor.
