DeepMind de Google a développé le modèle RoboCat AI, qui peut contrôler une variété de robots pour effectuer une série de tâches

Selon les informations du 26 juin, DeepMind, une filiale de Google, a déclaré que la société avait développé un modèle d'intelligence artificielle appelé RoboCat qui peut contrôler différents bras de robot pour effectuer une tâche. Série de tâches. Cela en soi n'est pas particulièrement nouveau, mais DeepMind affirme que le modèle est le premier à être capable de résoudre et de s'adapter à une variété de tâches, et de le faire en utilisant différents robots du monde réel.

RoboCat a été inspiré par Gato, un autre modèle d'IA de DeepMind qui peut analyser et traiter du texte, des images et des événements. Les données de formation de RoboCat comprennent des images et des données de mouvement de robots simulés et réels, dérivées d'autres modèles de contrôle de robot dans des environnements virtuels, de robots contrôlés par l'homme et de versions précédentes de RoboCat lui-même.

Alex Lee, chercheur scientifique chez DeepMind et l'un des collaborateurs de l'équipe RoboCat, a déclaré dans une interview par courrier électronique avec TechCrunch : "Nous avons démontré qu'un seul grand modèle peut résoudre physiquement diverses tâches et peut s'adapter rapidement à de nouvelles tâches et entités. IT House a noté que pour former RoboCat, les chercheurs de DeepMind ont d'abord utilisé des robots contrôlés par l'homme, 100 à 1 000 démonstrations de chaque tâche ou robot ont été collectées dans des environnements simulés ou réels. Par exemple, laissez un bras robotique ramasser des engrenages ou empiler des blocs de construction. Ils ont ensuite peaufiné RoboCat, créant un modèle « dérivé » spécialisé pour chaque tâche et le laissant s'entraîner en moyenne 10 000 fois. En exploitant les données générées par les modèles dérivés et les données de démonstration, les chercheurs continuent d'élargir l'ensemble de données de formation de RoboCat et de former de nouvelles versions de RoboCat.

La version finale de RoboCat a été entraînée sur un total de 253 tâches et testée sur 141 variantes de ces tâches, à la fois en simulation et dans le monde réel. DeepMind affirme que RoboCat a appris à utiliser différents types de bras robotiques après avoir observé 1 000 démonstrations contrôlées par des humains collectées sur plusieurs heures. Alors que RoboCat a été formé sur quatre robots dotés de bras à deux doigts, le modèle a pu s'adapter à un bras plus complexe doté d'une pince à trois doigts et de deux fois plus d'entrées contrôlables.

Malgré cela, les taux de réussite de RoboCat sur différentes tâches variaient considérablement dans les tests de DeepMind, allant d'un minimum de 13 % à un maximum de 99 %. C'est avec 1000 démonstrations dans les données de formation ; si le nombre de démonstrations est réduit de moitié, le taux de réussite diminuera en conséquence. Dans certains cas, cependant, DeepMind affirme que RoboCat peut apprendre de nouvelles tâches en observant seulement 100 démonstrations.

Alex Lee pense que RoboCat pourrait rendre la résolution de nouvelles tâches moins difficile. "Compte tenu d'un certain nombre de démonstrations d'une nouvelle tâche, RoboCat peut s'adapter à de nouvelles tâches et générer automatiquement davantage de données pour s'améliorer davantage", a-t-il ajouté.

À l'avenir, l'équipe de recherche vise à réduire à moins de 10 le nombre de démonstrations nécessaires pour apprendre à RoboCat à accomplir de nouvelles tâches.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!