- Techcrunch
VIVA Tekno – Dua ribu dua empat akan menjadi tahun yang besar bagi industri AI generatif/model dasar besar dan robotika. Ada banyak kegembiraan seputar potensi berbagai aplikasi, mulai dari pembelajaran hingga desain produk.
Peneliti DeepMind Robotics Google adalah salah satu dari sejumlah tim yang mengeksplorasi potensi ruang angkasa. Dikutip dari Techcrunch, tim tersebut menyoroti penelitian yang sedang berlangsung yang dirancang untuk memberikan pemahaman yang lebih baik kepada robotika tentang apa yang diinginkan manusia dari robot tersebut.
Secara tradisional, robot fokus melakukan tugas tunggal berulang kali sepanjang hidup mereka. Robot dengan tujuan tunggal cenderung sangat baik dalam satu hal, tetapi bahkan mereka mengalami kesulitan ketika perubahan atau kesalahan secara tidak sengaja terjadi pada prosesnya.
AutoRT yang baru diumumkan dirancang untuk memanfaatkan model dasar yang besar, untuk sejumlah tujuan berbeda. Dalam contoh standar yang diberikan oleh tim DeepMind, sistem dimulai dengan memanfaatkan Model Bahasa Visual (VLM) untuk kesadaran situasional yang lebih baik.
AutoRT mampu mengelola armada robot yang bekerja secara tandem dan dilengkapi kamera untuk mengetahui tata letak lingkungannya dan objek di dalamnya.
Sementara itu, model bahasa yang besar menyarankan tugas-tugas yang dapat diselesaikan oleh perangkat keras, termasuk efektor akhirnya.
LLM dipahami oleh banyak orang sebagai kunci untuk membuka robotika yang secara efektif memahami lebih banyak perintah bahasa alami, sehingga mengurangi kebutuhan akan keterampilan hard-coding.
?Google Latih Robot Dengan Video dan Model Bahasa Besar
- Techcrunch
Sistem ini telah diuji cukup banyak selama tujuh bulan terakhir. AutoRT mampu mengatur hingga 20 robot sekaligus dan total 52 perangkat berbeda. Secara keseluruhan, DeepMind telah mengumpulkan sekitar 77.000 uji coba, termasuk lebih dari 6.000 tugas.
Yang juga baru dari tim ini adalah RT-Trajectory, yang memanfaatkan input video untuk pembelajaran robotik. Banyak tim yang menjajaki penggunaan video YouTube sebagai metode untuk melatih robot dalam skala besar, namun RT-Trajectory menambahkan lapisan yang menarik, melapisi sketsa dua dimensi dari lengan yang sedang beraksi di atas video.
Tim mencatat, “lintasan ini, dalam bentuk gambar RGB, memberikan petunjuk visual praktis tingkat rendah kepada model saat model mempelajari kebijakan pengendalian robotnya.”
DeepMind mengatakan pelatihan tersebut memiliki tingkat keberhasilan dua kali lipat dari pelatihan RT-2, yaitu 63% dibandingkan dengan 29%, saat menguji 41 tugas.
“RT-Trajectory memanfaatkan informasi gerak robot yang kaya yang ada di semua kumpulan data robot, namun saat ini kurang dimanfaatkan,” catat tim tersebut.
“RT-Trajectory tidak hanya mewakili langkah lain dalam membangun robot yang mampu bergerak dengan akurasi efisien dalam situasi baru, namun juga membuka pengetahuan dari kumpulan data yang ada,” imbuhnya.
