El equipo de robótica de Google DeepMind ha presentado un conjunto revolucionario de sistemas de IA diseñados para mejorar el desarrollo de robots versátiles para uso diario. Los sistemas recién presentados, conocidos como AutoRT, SARA-RT y RT-Trajectory, tienen como objetivo revolucionar la forma en que los robots recopilan datos, mejoran su velocidad y mejoran su comprensión del mundo.
AutoRT aprovecha los grandes modelos de lenguaje (LLMs) para permitir que los robots comprendan los objetivos humanos prácticos. Mediante la acumulación de una amplia cantidad de datos de entrenamiento, AutoRT permite a los robots prepararse mejor para escenarios del mundo real. El sistema combina LLMs, como modelos de lenguaje grandes o modelos de lenguaje visual, con modelos de control de robots, lo que resulta en la implementación de robots en diversos entornos para recopilar datos de entrenamiento.
El sistema Self-Adaptive Robust Attention for Robotics Transformers (SARA-RT) lleva los modelos de Robotics Transformer (RT) al siguiente nivel de eficiencia. Al incorporar mecanismos de atención escalables, los modelos SARA-RT-2 mostraron una mejora en la precisión del 10.6% y un rendimiento un 14% más rápido que los modelos RT-2 anteriores. Este avance demuestra un progreso significativo en la eficiencia computacional sin comprometer la calidad.
Además, el modelo RT-Trajectory introduce contornos visuales para describir los movimientos del robot en videos de entrenamiento. Al superponer bocetos de trayectoria en 2D en cada video, RT-Trajectory proporciona valiosas señales visuales para que el modelo aprenda políticas de control de robots. En las pruebas, un brazo controlado por RT-Trajectory logró una notable tasa de éxito en tareas del 63%, en comparación con el 29% de los modelos RT existentes. Esta adaptabilidad hace de RT-Trajectory una herramienta versátil que puede generar trayectorias al observar demostraciones humanas o aceptar bocetos hechos a mano, adaptándose a diferentes plataformas de robots.
Las evaluaciones exhaustivas en entornos del mundo real realizadas durante siete meses demostraron la capacidad de AutoRT para coordinar de manera segura hasta 20 robots simultáneamente. El conjunto de datos recopilados durante este período incluyó 77,000 pruebas robóticas en 6,650 tareas únicas en diversos edificios de oficinas. Estos avances representan un progreso significativo en la robótica y nos acercan a un futuro en el que los robots inteligentes naveguen por entornos complejos sin problemas.
Aprovechando el poder de la IA y los grandes modelos de lenguaje, las innovaciones de Google DeepMind allanan el camino para el desarrollo rápido de la robótica avanzada, revolucionando la forma en que interactuamos y nos beneficiamos de estas máquinas inteligentes.
The source of the article is from the blog girabetim.com.br