Азимов е бил прав: трите закона на роботиката най-накрая стигнаха до истинските роботи

Google представи редица технологии, които ще направят автономните машини още по-интелигентни и безопасни.

Екипът на DeepMind, подразделение на Google, представи значителни нововъведения в областта на роботиката, насочени към подобряване на скоростта, ефективността и безопасността на роботите в реална среда. Основното нововъведение е системата за събиране на данни AutoRT с „Роботизирана конституция“, основана на Трите закона на роботиката на Айзък Азимов. Тази концепция включва интегрирането на визуален езиков модел (VLM) и голям езиков модел (LLM) за адаптиране към непозната среда и определяне на набор от подходящи задачи.

AutoRT се контролира от „Конституцията на робота„, съдържаща набор от безопасни указания за LLM, за да се избягват задачи, включващи хора, животни, остри предмети и електрически уреди. За допълнителна безопасност DeepMind е оборудвала роботите с функция за автоматично спиране при превишаване на определен праг на силата върху ставите им и е въвела физически авариен ключ, с който операторите могат ръчно да изключват роботите.

В продължение на седем месеца Google разгърна флотилия от 53 AutoRT робота в четири офис сгради, като проведе над 77 000 теста с тях. Някои роботи бяха управлявани дистанционно от хора, докато други работеха по предварително зададен сценарий или напълно автономно, използвайки модела за изкуствен интелект Robotic Transformer (RT-2).

Използваните при изпитанията роботи имат утилитарен дизайн и са оборудвани с камера, роботизирана ръка и мобилна основа. Във всеки един случай системата използва VLM, за да разбере околната среда и обектите, а след това LLM предлага списък с творчески задачи, като например „сложи закуската на плота на масата“, и избира подходяща задача, която роботът да изпълни.

DeepMind представи и SARA-RT – нова архитектура за невронните мрежи, предназначена да подобри точността и скоростта на съществуващия модел RT-2 Robotic Transformer, както и RT-Trajectory, който добавя 2D схеми, за да даде по-добра възможност на роботите да изпълняват специфични физически задачи, като например да избършат маса.

Макар че роботите, способни да извършват самостоятелната си поддръжка и различните битови задачи, все още са далеч, тяхното разработване и обучение в бъдеще може да се основава на именно на система, подобна на AutoRT.

Google представи и доста подробна информация за новия ИИ модел RT-Trajectory. За хората може да е интуитивно да разберат как да избършат масата, но има много начини, по които роботът може да превърне дадена инструкция в реални физически движения.

Компанията е разработила ИИ модела RT-Trajectory, който автоматично добавя визуални контури, описващи движенията на робота в тренировъчните видеоклипове. RT-Trajectory взема всеки видеоклип от набора от данни за обучение и го наслагва с 2D скицата на траекторията на захвата на роботизираната ръка, докато тя изпълнява задачата. Тези траектории, под формата на RGB изображения, предоставят практически визуални подсказки на ниско ниво на модела, докато той изучава политиките си за управление на робота.