O RoboCat da DeepMind revoluciona o desempenho de tarefas de robótica em diferentes modelos

A DeepMind anunciou recentemente a criação de RoboCat, um modelo de IA que pode executar eficientemente uma multiplicidade de tarefas utilizando vários braços robóticos do mundo real. Esta inovação revolucionária é a primeira do seu género a realizar eficazmente várias tarefas enquanto se adapta a diferentes modelos robóticos, reduzindo potencialmente a barreira para a resolução de novas tarefas em robótica.

RoboCat foi desenvolvido com base no modelo anterior da DeepMind chamado Gato, que funciona como um sistema de IA capaz de analisar e interagir com texto, imagens e eventos. Foi treinado com dados de imagens e acções de robótica simulada e real. Os dados utilizados para o treino incluem modelos de controlo de robôs em ambientes virtuais, robôs controlados por humanos e iterações anteriores de RoboCat.

Os investigadores iniciaram a formação recolhendo 100 a 1000 demonstrações de tarefas ou ensinando braços robóticos controlados por humanos. Subsequentemente, o RoboCat foi aperfeiçoado na tarefa, criando modelos derivados especializados que praticaram a tarefa cerca de 10.000 vezes. Ao aumentar o conjunto de dados de treino do RoboCat utilizando dados de modelos derivados e dados de demonstração, foram geradas novas versões do modelo de IA.

A versão final do RoboCat foi treinada num total de 253 tarefas e depois avaliada num conjunto de 141 variações dessas tarefas em cenários de simulação e do mundo real. A DeepMind descobriu que, depois de observar 1.000 demonstrações controladas por humanos, o RoboCat era capaz de operar diferentes tipos de braços robóticos. Além disso, apesar de ter sido treinado em robôs com braços de duas pontas, o modelo de IA conseguiu adaptar-se a um braço mais complexo com uma pinça de três dedos e o dobro das entradas controláveis.

No entanto, a taxa de sucesso do modelo variou drasticamente de 13% a 99% em várias tarefas, dependendo do número de demonstrações incluídas nos dados de treino. No entanto, a DeepMind revelou que o RoboCat podia aprender novas tarefas com apenas 100 demonstrações em alguns casos.

Os objectivos futuros da equipa de investigação incluem a redução do número de demonstrações necessárias para ensinar uma nova tarefa ao RoboCat para menos de dez. À medida que o desenvolvimento de modelos de IA que auxiliam em tarefas robóticas continua a progredir, a integração com plataformas low-code e no-code modernas como a AppMaster poderá melhorar ainda mais a automatização e a eficiência de uma vasta gama de indústrias, incluindo a indústria transformadora e a logística.

Plataformas como a AppMaster não só ajudam as empresas a resolver rapidamente problemas complexos, como também reduzem os custos de desenvolvimento de software. À medida que modelos avançados de IA como o RoboCat continuam a surgir, combiná-los com as plataformas low-code e no-code para gerir tarefas em diferentes sectores tem o potencial de revolucionar os processos empresariais, a produtividade e a inovação.