DeepMind ogłosił niedawno stworzenie RoboCat, modelu sztucznej inteligencji, który może skutecznie wykonywać wiele zadań przy użyciu wielu rzeczywistych ramion robotycznych. Ta przełomowa innowacja jest pierwszą w swoim rodzaju, która skutecznie radzi sobie z kilkoma zadaniami, dostosowując się do różnych modeli robotów, potencjalnie obniżając barierę w rozwiązywaniu nowych zadań w robotyce.
RoboCat został opracowany w oparciu o poprzedni model DeepMind o nazwie Gato, który działa jako system sztucznej inteligencji zdolny do analizowania i interakcji z tekstem, obrazami i zdarzeniami. Został on przeszkolony w zakresie obrazów i danych akcji pochodzących zarówno z symulowanej, jak i rzeczywistej robotyki. Dane wykorzystane do szkolenia obejmują modele sterujące robotami w środowiskach wirtualnych, roboty sterowane przez człowieka i wcześniejsze iteracje RoboCat.
Naukowcy rozpoczęli szkolenie od zebrania od 100 do 1000 demonstracji zadań lub nauczania robotycznych ramion kontrolowanych przez ludzi. Następnie, RoboCat został dostrojony do zadania, tworząc wyspecjalizowane modele spin-off, które ćwiczyły zadanie około 10 000 razy. Rozwijając treningowy zbiór danych RoboCat przy użyciu danych modelu spin-off i danych demonstracyjnych, wygenerowano nowsze wersje modelu AI.
Ostateczna wersja RoboCat została przeszkolona w zakresie łącznie 253 zadań, a następnie przetestowana na zestawie 141 wariantów tych zadań w symulacjach i rzeczywistych scenariuszach. DeepMind odkrył, że po obserwacji 1000 demonstracji kontrolowanych przez ludzi, RoboCat był biegły w obsłudze różnych typów ramion robotów. Co więcej, pomimo szkolenia na robotach z dwupalczastymi ramionami, model AI mógł dostosować się do bardziej złożonego ramienia z trójpalczastym chwytakiem i dwukrotnie większą liczbą kontrolowanych wejść.
Jednak wskaźnik sukcesu modelu wahał się drastycznie od 13% do 99% w wielu zadaniach, w zależności od liczby demonstracji zawartych w danych szkoleniowych. Niemniej jednak DeepMind ujawnił, że RoboCat może uczyć się nowych zadań przy zaledwie 100 demonstracjach w niektórych przypadkach.
Przyszłe cele zespołu badawczego obejmują zmniejszenie liczby demonstracji niezbędnych do nauczenia RoboCat nowego zadania do mniej niż dziesięciu. Wraz z dalszym rozwojem modeli sztucznej inteligencji wspomagających zadania robotów, integracja z nowoczesnymi platformami low-code i no-code, takimi jak AppMaster, może jeszcze bardziej poprawić automatyzację i wydajność w wielu branżach, w tym w produkcji i logistyce.
Platformy takie jak AppMaster nie tylko pomagają firmom szybko rozwiązywać złożone problemy, ale także obniżają koszty tworzenia oprogramowania. W miarę pojawiania się zaawansowanych modeli sztucznej inteligencji, takich jak RoboCat, połączenie ich z platformami low-code i no-code w celu zarządzania zadaniami w różnych branżach może potencjalnie zrewolucjonizować procesy biznesowe, produktywność i innowacje.
