JAKARTA - Google DeepMind تصنع ثلاثة نماذج متقدمة لتطوير الروبوتات
جاكرتا - قامت Google DeepMind ، وهي شركة الذكاء الاصطناعي (الذكاء الاصطناعي) التابعة لشركة Alphabet ، بتقدم جديد في عالم الروبوتات. لقد بنوا ثلاثة أنظمة كأساس أولي للروبوتات.
الأنظمة التي أنشأوها استنادا إلى طراز المحولين الروبوتيين (RT) هي AutoRT و SARA-RT و RT Trajectory. ويعتقد أن هذه الأنظمة الثلاثة قادرة على جعل الروبوتات تعمل بشكل أسرع، سواء في اتخاذ القرارات أو في التنقل في البيئة.
AutoRT هو نظام يستخدم إمكانات نموذج الأساس الكبير. يشار إلى النظام على أنه مكون مهم للروبوت لأنه يجمع بين نماذج أساسية كبيرة مثل نموذج اللغة الكبيرة (LLM) ونموذج التحكم الروبوتي ، وهما RT-1 و RT-2.
باستخدام AutoRT ، يمكن لمطوري الروبوتات تحسين تعلم الروبوتات لتدريب التحكم من العديد من الروبوتات في وقت واحد. يمكن لهذا النظام توجيه الروبوتات للقيام بمهام مختلفة في إعدادات مختلفة.
وقال فريق Google DeepMind Robotika: "ينظم هذا النظام بأمان ما يصل إلى 20 روبوتا في وقت واحد ، وما مجموعه ما يصل إلى 52 روبوتا فريدا ، في مباني المكاتب المختلفة ، يجمع مجموعة متنوعة من البيانات تتكون من 77,000 تجربة روبوتية في 6,650 مهمة فريدة". وفي الوقت نفسه ، فإن الاهتمام الروبوتي التلقائي للمتحولين الروبوتيين (SARA-RT) هو هيكل شبكة RT العصبية المطورة بشكل أكثر تقدما. يزعم أن هذا النموذج أكثر دقة بنسبة 10.6 في المائة وأسرع بنسبة 14 في المائة من طراز RT-2.
يمكن ل SARA-RT ، التي تستخدم طريقة تحسين النموذج الجديدة ، وهي إعداد التدريب ، أن تجعل نموذج الروبوت أكثر كفاءة. بالإضافة إلى ذلك ، يمكن للروبوتات التي تستخدم هيكل الشبكة هذا أن تجعل الروبوتات تعمل بشكل أسرع وفقا لواجباتها.
وأوضح الفريق: "لقد صممنا نظامنا ليكون سهلا للاستخدام ونأمل أن يقوم العديد من الباحثين والممارسين بتطبيقه في مجال الروبوتات وغيرها حيث توفر SARA وصفات عالمية لتسريع التحول".
نموذج آخر لا يقل أهمية هو RT-Trajectory ، وهو نموذج يضيف خطا مرئيا لوصف الحركات الروبوتية في مقاطع الفيديو التدريبية. سيأخذ هذا النموذج مجموعة من بيانات التدريب ويطبقه مع رسم مسار 2D.
سيوفر هذا المسار في شكل RGB إرشادات بصرية عملية على مستوى منخفض. في تجربة أجرتها DeepMind ، نجحت RT-Trajectory في مضاعفة أداء الروبوت بمعدل نجاح يبلغ 63 في المائة.
"يمكن لRT-Trajecttory إنشاء مسار من خلال مشاهدة المظاهرات البشرية حول المهام المطلوبة ، وحتى قبول الرسومات المصورة باليد. ويمكن تكييفها بسهولة إلى منصات روبوتية مختلفة" ، اختتم فريق DeepMind Robotika.