Компания DeepMind недавно объявила о создании RoboCat- модели ИИ, которая может эффективно выполнять множество задач, используя несколько реальных роботизированных рук. Эта революционная инновация является первой в своем роде, которая эффективно справляется с несколькими заданиями, адаптируясь к различным моделям роботов, что потенциально снижает барьер для решения новых задач в робототехнике.
RoboCat была разработана на основе предыдущей модели DeepMind под названием Gato, которая функционирует как система ИИ, способная анализировать и взаимодействовать с текстом, изображениями и событиями. Она была обучена на данных об изображениях и действиях, полученных как при моделировании, так и в реальной робототехнике. Для обучения использовались данные моделей роботов, управляющих виртуальными средами, роботов, управляемых человеком, и предыдущих итераций RoboCat.
Исследователи начали обучение со сбора от 100 до 1 000 демонстраций задач или обучения роботов, управляемых людьми. Впоследствии RoboCat оттачивался на задаче, создавая специализированные побочные модели, которые отрабатывали задачу около 10 000 раз. Увеличивая набор обучающих данных RoboCat с помощью данных побочных моделей и демонстрационных данных, они создавали новые версии модели ИИ.
Окончательная версия RoboCat была обучена в общей сложности на 253 задачах, а затем была протестирована на 141 вариации этих задач в симуляционных и реальных сценариях. DeepMind обнаружила, что после наблюдения за 1 000 демонстраций с участием человека RoboCat умело управляет различными типами роботов. Более того, несмотря на обучение на роботах с двухпалыми руками, модель ИИ смогла адаптироваться к более сложной руке с трехпалым захватом и вдвое большим количеством управляемых входов.
Тем не менее, коэффициент успешности модели резко варьировался от 13% до 99% при выполнении нескольких задач в зависимости от количества демонстраций, включенных в обучающие данные. Тем не менее, DeepMind показала, что в некоторых случаях RoboCat может обучаться новым задачам всего на 100 демонстрациях.
В будущем исследовательская группа планирует сократить количество демонстраций, необходимых для обучения RoboCat новой задаче, до менее десяти. Поскольку разработка моделей ИИ, помогающих в решении роботизированных задач, продолжает развиваться, интеграция с современными платформами low-code и no-code, такими как AppMaster, может способствовать дальнейшему повышению автоматизации и эффективности для широкого спектра отраслей промышленности, включая производство и логистику.
Такие платформы, как AppMaster, не только помогают предприятиям быстро решать сложные задачи, но и снижают затраты на разработку программного обеспечения. Поскольку передовые модели ИИ, такие как RoboCat, продолжают появляться, их объединение с платформами low-code и no-code для управления задачами в различных отраслях способно произвести революцию в бизнес-процессах, производительности и инновациях.
