RoboCat ของ DeepMind ปฏิวัติประสิทธิภาพการทำงานของหุ่นยนต์ในรุ่นต่างๆ

DeepMind เพิ่งประกาศการสร้าง RoboCat ซึ่งเป็นโมเดล AI ที่สามารถทำงานหลายอย่างได้อย่างมีประสิทธิภาพโดยใช้แขนหุ่นยนต์ในโลกแห่งความเป็นจริง นวัตกรรมที่ก้าวล้ำนี้เป็นนวัตกรรมชิ้นแรกในประเภทเดียวกันที่สามารถจัดการงานหลายชิ้นได้อย่างมีประสิทธิภาพในขณะที่ปรับให้เข้ากับโมเดลหุ่นยนต์ที่แตกต่างกัน ซึ่งอาจลดอุปสรรคในการแก้ปัญหางานใหม่ในด้านวิทยาการหุ่นยนต์

RoboCat ได้รับการพัฒนาจากโมเดลก่อนหน้าของ DeepMind ที่เรียกว่า Gato ซึ่งทำหน้าที่เป็นระบบ AI ที่สามารถวิเคราะห์และโต้ตอบกับข้อความ รูปภาพ และเหตุการณ์ต่างๆ ได้รับการฝึกอบรมเกี่ยวกับข้อมูลภาพและการกระทำจากหุ่นยนต์จำลองและชีวิตจริง ข้อมูลที่ใช้สำหรับการฝึกอบรมประกอบด้วยแบบจำลองการควบคุมหุ่นยนต์ภายในสภาพแวดล้อมเสมือนจริง หุ่นยนต์ที่ควบคุมโดยมนุษย์ และการทำซ้ำก่อนหน้าของ RoboCat

นักวิจัยเริ่มต้นการฝึกอบรมโดยการรวบรวม 100 ถึง 1,000 การสาธิตงานหรือการสอนแขนหุ่นยนต์ที่ควบคุมโดยมนุษย์ ต่อจากนั้น RoboCat ได้รับการปรับแต่งอย่างละเอียดในงาน โดยสร้างโมเดลแบบแยกส่วนพิเศษที่ฝึกฝนงานประมาณ 10,000 ครั้ง ด้วยการเพิ่มชุดข้อมูลการฝึกอบรมของ RoboCat โดยใช้ข้อมูลโมเดลแยกส่วนและข้อมูลการสาธิต พวกเขาสร้างโมเดล AI เวอร์ชันที่ใหม่กว่า

RoboCat เวอร์ชันสุดท้ายได้รับการฝึกอบรมเกี่ยวกับงานทั้งหมด 253 งาน จากนั้นจึงทำการเปรียบเทียบชุดของงานเหล่านี้ในรูปแบบต่างๆ 141 รายการในสถานการณ์จำลองและสถานการณ์จริง DeepMind พบว่าหลังจากสังเกตการสาธิตที่ควบคุมโดยมนุษย์กว่า 1,000 ครั้ง RoboCat เชี่ยวชาญในการใช้แขนกลประเภทต่างๆ ยิ่งไปกว่านั้น แม้จะได้รับการฝึกฝนเกี่ยวกับหุ่นยนต์ที่มีแขนสองขา แต่โมเดล AI ก็สามารถปรับให้เข้ากับแขนที่ซับซ้อนมากขึ้นด้วยอุปกรณ์จับสามนิ้วและอินพุตที่ควบคุมได้มากเป็นสองเท่า

อย่างไรก็ตาม อัตราความสำเร็จของโมเดลนั้นแตกต่างกันอย่างมากตั้งแต่ 13% ถึง 99% ในหลายงาน ขึ้นอยู่กับจำนวนการสาธิตที่รวมอยู่ในข้อมูลการฝึกอบรม อย่างไรก็ตาม DeepMind เปิดเผยว่า RoboCat สามารถเรียนรู้งานใหม่ด้วยการสาธิตเพียง 100 ครั้งในบางกรณี

เป้าหมายในอนาคตของทีมวิจัยรวมถึงการลดจำนวนการสาธิตที่จำเป็นในการสอนงานใหม่ให้ RoboCat ให้เหลือน้อยกว่า 10 ครั้ง ในขณะที่การพัฒนาโมเดล AI ที่ช่วยงานหุ่นยนต์มีความคืบหน้าอย่างต่อเนื่อง การรวมเข้ากับแพลตฟอร์ม low-code และ no-code ที่ทันสมัย ​​เช่น AppMaster สามารถปรับปรุงระบบอัตโนมัติและประสิทธิภาพให้ดียิ่งขึ้นสำหรับอุตสาหกรรมหลากหลายประเภท รวมถึงการผลิตและลอจิสติกส์

แพลตฟอร์มอย่าง AppMaster ไม่เพียงแต่ช่วยให้ธุรกิจสามารถแก้ปัญหาที่ซับซ้อนได้อย่างรวดเร็วเท่านั้น แต่ยังช่วยลดต้นทุนการพัฒนาซอฟต์แวร์อีกด้วย เมื่อโมเดล AI ขั้นสูงอย่าง RoboCat ปรากฏขึ้นอย่างต่อเนื่อง การรวมโมเดลเหล่านี้เข้ากับแพลตฟอร์ม low-code และ no-code เพื่อจัดการงานในอุตสาหกรรมต่างๆ จึงมีศักยภาพในการปฏิวัติกระบวนการทางธุรกิจ ประสิทธิภาพการทำงาน และนวัตกรรม