Moderni roboti mogu obavljati razne zadatke ako su obučeni na stvarnim podacima. Ali šta ako bi mogli da preskoče ovu fazu? To bi dovelo do bržeg razvoja mnogih robota opšte namjene. Googleov DeepMind predstavio je samopoboljšavajući model umjetne inteligencije pod nazivom RoboCat koji bi mogao biti ključ za to da mašine mogu samostalno generirati nove podatke za učenje kako bi poboljšale svoje tehnike bez previše ljudske intervencije.
To se navodi na blogu kompanije objavljenom u utorak. “RoboCat uči mnogo brže od drugih modernih modela. Može se nositi s novim zadatkom sa samo 100 demonstracija jer se oslanja na veliki i raznolik skup podataka. Ova sposobnost će pomoći da se ubrza istraživanje robotike smanjenjem potrebe za obukom pod nadzorom ljudi i važan je korak ka stvaranju robota opće namjene", rekli su istraživači u svom postu.
Objašnjavaju da je novi model baziran na DeepMindovom Gato (španski za "mačka", što objašnjava ime) multimodalnom modelu. Ovaj model može obraditi govor, slike i radnje u simuliranom i fizičkom okruženju. Istraživači su koristili Gato arhitekturu, koja dolazi sa velikim skupom za obuku sekvenci slika i akcija različitih robotskih manipulatora koji rješavaju stotine različitih zadataka.
Zatim su obučili RobotCata za obavljanje novih zadataka. Različiti treninzi su naučili AI model da upravlja raznim robotskim manipulatorima u roku od nekoliko sati. I RobotCat se brzo prilagodio. Iako nije trenirao na manipulatorima s dva prsta, uspio je da se prilagodi složenijem manipulatoru s tri prsta i dvostruko više kontrolisanih unosa.
Što je više novih zadataka naučio, to je bio bolji u učenju dodatnih novih zadataka. Rane verzije RoboCata bile su samo 36% uspješne u obavljanju ranije nepoznatih zadataka. Međutim, najnovija i najnaprednija verzija RoboCata, koja je bila obučena za veći broj zadataka, više je nego udvostručila ovu stopu uspješnosti pri obavljanju istih zadataka.
Pročitajte također: