Grup robotika di divisi DeepMind Google telah meluncurkan tiga produk baru yang akan membantu robot membuat keputusan lebih cepat dan bertindak lebih efisien dan aman saat melakukan tugas di sekitar manusia.
Sistem pengumpulan data AutoRT didasarkan pada model bahasa visual (VLM) dan model bahasa besar (LLM) - keduanya membantu robot menilai lingkungan, beradaptasi dengan situasi asing, dan membuat keputusan dalam melakukan tugas. VLM digunakan untuk menganalisis lingkungan dan mengenali objek dalam jangkauan penglihatan, sedangkan LLM bertanggung jawab atas pelaksanaan tugas secara kreatif. Inovasi paling penting dari AutoRT adalah kemunculan "Konstitusi Robot" di blok LLM - perintah berorientasi keselamatan yang memberi tahu mesin untuk menghindari memilih tugas yang melibatkan manusia, hewan, benda tajam, dan bahkan peralatan listrik. Untuk tujuan keselamatan tambahan, pekerjaan diprogram untuk berhenti ketika gaya pada sambungan melebihi ambang batas tertentu; dan desainnya kini memiliki saklar fisik tambahan yang dapat digunakan seseorang dalam keadaan darurat.
Selama tujuh bulan terakhir, Google menerapkan 53 pekerjaan dengan sistem AutoRT di empat gedung perkantorannya dan melakukan lebih dari 77 pengujian. Beberapa mesin dikendalikan dari jarak jauh oleh operator, sementara mesin lainnya melakukan tugas secara mandiri berdasarkan algoritma tertentu atau menggunakan model AI Robotic Transformer (RT-2). Sejauh ini, semua robot ini memiliki penampilan yang sangat sederhana: mereka adalah anggota badan manipulator pada pangkalan bergerak dan kamera untuk menilai situasi.
Inovasi kedua adalah sistem SARA-RT (Self-Adaptive Robust Attention for Robotics Transformers), yang bertujuan untuk mengoptimalkan pengoperasian model RT-2. Para peneliti menemukan bahwa dengan menggandakan data masukan, misalnya meningkatkan resolusi kamera, kebutuhan robot akan sumber daya komputasi meningkat empat kali lipat. Masalah ini diselesaikan dengan metode baru untuk menyempurnakan AI yang disebut up-training - metode ini mengubah pertumbuhan kuadrat kebutuhan sumber daya komputasi menjadi hampir linier. Karena itu, model bekerja lebih cepat, mempertahankan kualitas sebelumnya.
Terakhir, para insinyur Google DeepMind mengembangkan model AI RT-Trajectory, yang menyederhanakan pelatihan robot untuk melakukan tugas tertentu. Setelah menetapkan tugas, operator sendiri mendemonstrasikan contoh pelaksanaannya, RT-Trajectory menganalisis lintasan pergerakan yang ditetapkan oleh seseorang dan menyesuaikannya dengan tindakan robot.
Baca juga: