DeepMind'in RoboCat'i Farklı Modellerde Robotik Görev Performansında Devrim Yaratıyor

DeepMind kısa bir süre önce, birden fazla gerçek dünya robotik kolu kullanarak çok sayıda görevi verimli bir şekilde gerçekleştirebilen bir yapay zeka modeli olan RoboCat yaratıldığını duyurdu. Bu çığır açan yenilik, farklı robotik modellere uyum sağlarken çeşitli görevleri verimli bir şekilde ele alan türünün ilk örneğidir ve potansiyel olarak robot bilimindeki yeni görevleri çözmenin önündeki engelleri azaltır.

RoboCat DeepMind'in metin, resimler ve olayları analiz edebilen ve bunlarla etkileşim kurabilen bir yapay zeka sistemi olarak işlev gören Gato adlı önceki modeline dayalı olarak geliştirildi. Hem simüle edilmiş hem de gerçek hayattaki robotiklerden gelen görüntü ve eylem verileri üzerinde eğitildi. Eğitim için kullanılan veriler, sanal ortamlardaki robot kontrollü modelleri, insan kontrollü robotları ve RoboCat önceki yinelemelerini içerir.

Araştırmacılar eğitimi, 100 ila 1000 görev gösterimi toplayarak veya insanlar tarafından kontrol edilen robotik kolları öğreterek başlattı. Ardından, RoboCat göreve ince ayar yaparak, görevi yaklaşık 10.000 kez uygulayan özel yan modeller yarattı. RoboCat eğitim veri setini yan ürün model verilerini ve tanıtım verilerini kullanarak büyüterek, yapay zeka modelinin daha yeni sürümlerini oluşturdular.

RoboCat son versiyonu, toplam 253 görev üzerinde eğitildi ve ardından simülasyon ve gerçek dünya senaryolarında bu görevlerin 141 varyasyonu üzerinde kıyaslandı. DeepMind, insan kontrollü 1.000 gösteriyi gözlemledikten sonra, RoboCat farklı türde robotik kolları çalıştırmada usta olduğunu keşfetti. Ayrıca, iki çatal kollu robotlar üzerinde eğitilmiş olmasına rağmen, yapay zeka modeli üç parmaklı bir kıskaç ve iki kat daha fazla kontrol edilebilir girdi içeren daha karmaşık bir kola uyum sağlayabilir.

Bununla birlikte, modelin başarı oranı, eğitim verilerine dahil edilen gösteri sayısına bağlı olarak birden çok görevde %13 ila %99 arasında büyük ölçüde değişiklik gösterdi. Yine de DeepMind, RoboCat bazı durumlarda 100 kadar az gösterimle yeni görevleri öğrenebileceğini ortaya çıkardı.

Araştırma ekibinin gelecekteki hedefleri arasında, RoboCat yeni bir görev öğretmek için gereken gösteri sayısını ondan daha aza indirmek yer alıyor. Robotik görevlere yardımcı olan AI modellerinin gelişimi ilerlemeye devam ettikçe, AppMaster gibi low-code ve no-code modern platformlarla entegrasyon, üretim ve lojistik dahil olmak üzere çok çeşitli endüstriler için otomasyonu ve verimliliği daha da iyileştirebilir.

AppMaster gibi platformlar, işletmelerin yalnızca karmaşık sorunları hızla çözmelerine yardımcı olmakla kalmaz, aynı zamanda yazılım geliştirme maliyetlerini de azaltır. RoboCat gibi gelişmiş AI modelleri ortaya çıkmaya devam ettikçe, farklı sektörlerdeki görevleri yönetmek için bunları low-code ve no-code platformlarla birleştirmek, iş süreçlerinde, üretkenlikte ve inovasyonda devrim yaratma potansiyeline sahiptir.