Новият ИИ модел RT-2 на Google позволява на роботите да разберат как да изпълняват задачи без обучение

В научнофантастичните филми често се представят роботи, способни да взаимодействат надеждно с хора, а Google работи за доближаване на тази футуристична мечта до реалността. Инженерите на компанията са разработили нов модел с изкуствен интелект, който помага на роботите да разбират и изпълняват действия, за които не са били предварително обучени.

Google описва Robotics Transformer 2, или накратко RT-2 като модел за виждане, език и действие (VLA). Новият ИИ модел е обучен върху текст и изображения, събрани от интернет, което му позволява да генерира „роботизирани действия“.

Екипът на DeepMind на Google разработил RT-2, за да прехвърли знанията от уеб към управлението на роботи. За разлика от чатботовете, роботите се нуждаят от основа в реалния свят, за да бъдат полезни на хората. Google признава, че постигането на това винаги е било огромно усилие, тъй като роботите трябва да се справят със сложни, абстрактни задачи в силно променлива и непозната среда.

Обучението на модели като RT-2 е значително по-сложно начинание в сравнение с обучението на големи езикови модели (LLM) за чатботове. Според Google, знанията на един робот трябва да надхвърлят простото познаване на ябълката. Той трябва да разпознава ябълката в даден контекст, да я различава от червена топка, да разбира как да я вземе и да се справя с различни свързани задачи.

Google твърди, че RT-2 може да прехвърля знания от огромен корпус от уеб данни и да се справя със сложни ситуации и искания, направени от хора, като например изхвърляне на боклука. ИИ разбира концепцията за „боклук“ и знае как да го изхвърли, дори без изрично програмиране за това конкретно действие. Тази способност показва способността на модела да се учи и да изпълнява задачи извън първоначалното си обучение.

Инженерите на Google са провели над 6000 „роботизирани изпитания“ на модела RT-2. При задачите базирани на данните, използвани за обучение, моделите се представиха наравно с модела от предишното поколение (RT-1). Въпреки това, представянето на RT-2 значително се подобри при нови, непознати сценарии, като се удвои от 32% на изпълнение на RT-1 до впечатляващите 62%. Тази подобрена адаптивност в непознати ситуации значително повишава възможностите на модела.

Според Google, RT-2 е пример за това как напредъкът в областта на изкуствения интелект бързо влияе върху роботиката, предлагайки голям потенциал за по-практични и универсални роботи с общо предназначение. Макар да признава, че все още има много работа пред себе си, екипът на DeepMind е оптимистично настроен за пътя напред.