DeepMind最近宣布创建了RoboCat ，这是一个可以利用多个现实世界的机器人手臂有效地执行多种任务的人工智能模型。这一突破性的创新是第一个在适应不同机器人模型的同时有效处理多项任务的创新，有可能降低解决机器人技术中新任务的障碍。
RoboCat 智慧机器人 "是在DeepMind以前的模型基础上开发的，该模型名为 ，作为一个人工智能系统，能够对文本、图像和事件进行分析和互动。它在模拟和现实生活中的机器人的图像和动作数据上进行了训练。用于训练的数据包括虚拟环境中的机器人控制模型，人类控制的机器人，以及之前的迭代 。Gato RoboCat
研究人员通过收集100至1,000个由人类控制的任务或教学机器人手臂的演示来启动训练。随后，RoboCat ，对任务进行微调，创建专门的衍生模型，对任务进行大约10000次的练习。通过使用衍生模型数据和演示数据增加RoboCat 的训练数据集，他们产生了更新的人工智能模型版本。
RoboCat 的最终版本在总共253个任务上进行了训练，然后在模拟和真实世界场景中对这些任务的141个变化集进行了基准测试。DeepMind发现，在观察了1000次人类控制的演示后，RoboCat ，善于操作不同类型的机器人手臂。此外，尽管是在具有双指手臂的机器人上进行的训练，但该人工智能模型能够适应具有三指抓手和两倍于此的可控输入的更复杂手臂。
然而，该模型在多项任务中的成功率从13%到99%不等，这取决于训练数据中包含的演示数量。尽管如此，DeepMind透露，RoboCat ，在某些情况下，只需100次演示就能学习新任务。
研究团队的未来目标包括将教给RoboCat 一项新任务所需的演示次数减少到10次以下。随着协助机器人任务的人工智能模型的发展继续取得进展，与AppMaster等现代low-code 和no-code 平台的整合可以进一步提高包括制造业和物流业在内的广泛行业的自动化和效率。
像AppMaster 这样的平台不仅可以帮助企业快速解决复杂问题，还可以降低软件开发成本。随着像RoboCat 这样的先进人工智能模型不断涌现，将其与low-code 和no-code 平台结合起来，管理不同行业的任务，有可能彻底改变业务流程、生产力和创新。
