Badacze Sergey Levine i Karol Hausman zaprezentowali przełomowy projekt, którego celem jest stworzenie jednego super-mózgu zdolnego do kontrolowania dowolnego robota, niezależnie od jego różnic. We współpracy z 32 innymi laboratoriami robotycznymi w Ameryce Północnej, Europie i Azji, Levine i Hausman rozpoczęli ambitny projekt RT-X w 2023 roku.
Tradycyjnie robotyka polegała na używaniu sztucznej inteligencji generatywnej do kontroli, jednak podejście to zawodzi z powodu ograniczonej dostępności danych na temat interakcji robota ze światem. Badacze zauważyli potrzebę danych generowanych specjalnie przez same roboty, które zwykle powstają powoli i monotonnie w laboratoriach do wykonania konkretnych zadań, co prowadzi do ograniczonej przydatności i funkcjonalności.
Kluczem do przezwyciężenia tego wyzwania leży w udostępnianiu danych z szerokiej gamy robotów, co umożliwia nowym maszynom uczenie się na podstawie zbiorowych doświadczeń. Zbiór danych RT-X obejmuje prawie milion prób z udziałem 22 różnych rodzajów robotów, takich jak popularne ramiona robotyczne dostępne na rynku. Levine i Hausman dokonali fascynującego odkrycia podczas swoich eksperymentów: głęboka sieć neuronowa uczona na tej różnorodnej danych robotycznych, po połączeniu z modelami uczenia maszynowego o dużych skalach, może kontrolować różne roboty bez konieczności specjalistycznych dostosowań.
Niezwykle, model opracowany na podstawie zbioru danych RT-X potrafi identyfikować rodzaj kontrolowanego robota na podstawie wizualnych informacji otrzymywanych z kamery robota. Na przykład, jeśli kamera uchwyci ramie przemysłowe UR10, model wyśle odpowiednie polecenia do tego konkretnego robota. Podobnie, jeśli wykryje tańsze hobbyistyczne ramię WidowX, model dostosuje swoją kontrolę odpowiednio.
Aby ocenić skuteczność swojego modelu, pięć laboratoriów biorących udział w projekcie RT-X porównało go ze swoimi własnymi systemami kontroli dla odpowiednich robotów. Zadziwiająco, pojedynczy model przewyższył metodę każdego laboratorium, wykonując zadania średnio o 50 procent częściej.
Projekt RT-X jest przykładem siły współpracy w społeczności robotycznej. Levine i Hausman widzą, że inicjatywa ta rozrasta się dalej, przekształcając się w zespołowe starania mające na celu ustalenie standardów danych, wielokrotnego użytku modeli oraz nowych algorytmów i metodologii. Dzięki wykorzystaniu zbiorowej wiedzy i zasobów globalnej społeczności uczenia się robotów, potencjał postępów i przełomów w robotyce staje się naprawdę nieograniczony.
The source of the article is from the blog rugbynews.at