Forskerne Sergey Levine og Karol Hausman har avslørt et banebrytende prosjekt som har som mål å skape en enkelt superhjerne som er i stand til å kontrollere enhver robot, uavhengig av deres forskjeller. I samarbeid med 32 andre robotlaboratorier over Nord-Amerika, Europa og Asia startet Levine og Hausman det ambisiøse RT-X-prosjektet i 2023.
Tradisjonelt har robotikk støttet seg på generativ kunstig intelligens for kontroll, men denne tilnærmingen kommer til kort på grunn av begrenset tilgjengelighet av data om interaksjoner mellom robot og verden. Forskerne erkjente behovet for data som spesifikt genereres av selve robotene, som vanligvis produseres sakte og monotont i laboratorieinnstillinger for spesifikke oppgaver, noe som resulterer i begrenset anvendelighet og funksjonalitet.
Nøkkelen for å overkomme denne utfordringen ligger i å dele data fra et bredt utvalg av roboter for å muliggjøre at nye maskiner kan lære av felles erfaringer. RT-X-datamengden består av nesten en million robotforsøk, inkludert 22 forskjellige typer roboter, som for eksempel populære robotarmer som finnes på markedet. Levine og Hausman gjorde en interessant oppdagelse under eksperimentene sine: Et dypt nevralt nettverk som er trent på denne mangfoldige robotdataen, når det kombineres med storskala maskinlæringsmodeller, kan kontrollere ulike roboter uten å kreve spesialiserte tilpasninger.
Bemerkelsesverdig kan modellen utviklet fra RT-X-datamengden identifisere typen robot den kontrollerer basert på visuelle data som mottas fra robotens kamera. For eksempel, hvis kameraet fanger opp en UR10 industriell arm, vil modellen sende skreddersydde kommandoer spesifikt for den roboten. På samme måte, hvis den oppdager en billigere WidowX hobbyarm, tilpasser modellen kontrollen deretter.
For å vurdere effektiviteten til modellen sin, sammenlignet fem laboratorier som deltar i RT-X-prosjektet den med sine egne kontrollsystemer for sine respektive roboter. Overraskende nok, overgikk den enkle modellen hver enkelt labs metode, og fullførte oppgaver i gjennomsnitt 50 prosent mer hyppig.
RT-X-prosjektet eksemplifiserer kraften i samarbeid innenfor robotikkfellesskapet. Levine og Hausman ser for seg at initiativet utvides ytterligere, og forvandles til et felles prosjekt for å etablere datastandarder, gjenbrukbare modeller og nye algoritmer og metodikker. Ved å utnytte den samlede kunnskapen og ressursene til det globale robotlæringsfellesskapet, blir potensialet for fremskritt og gjennombrudd innen robotikk virkelig ubegrenset.
The source of the article is from the blog newyorkpostgazette.com