Bumble, arkadaş bulmak için ayrı bir BFF uygulamasını test ediyor

Sıradaki içerik:

Bumble, arkadaş bulmak için ayrı bir BFF uygulamasını test ediyor

e
sv

Google DeepMind

349 okunma — 22 Haziran 2023 07:22
google-deepmind

DeepMind, farklı robot kol modellerinde bir dizi görevi yerine getirebilen RoboCat adlı bir AI modeli geliştirdiğini söylüyor. Bu tek başına özellikle yeni değil. Ancak DeepMind, modelin birden çok görevi çözebilen ve bunlara uyum sağlayabilen ve bunu farklı, gerçek dünyadaki robotları kullanarak yapabilen ilk model olduğunu iddia ediyor.

DeepMind’da araştırma bilimcisi ve RoboCat’in arkasındaki ekipte ortak katkıda bulunan Alex Lee, “Tek bir büyük modelin, birden çok gerçek robotik düzenlemede çeşitli görevleri çözebileceğini ve yeni görevlere ve düzenlemelere hızla uyum sağlayabildiğini gösteriyoruz.” TechCrunch’a bir e-posta röportajında ​​söyledi.

Metni, görüntüleri ve olayları analiz edebilen ve bunlar üzerinde işlem yapabilen bir DeepMind yapay zeka modeli olan Gato’dan ilham alan RoboCat 

,

 hem simülasyonda hem de gerçek hayatta robotlardan toplanan görüntüler ve eylem verileri üzerinde eğitildi. Lee, verilerin sanal ortamlardaki diğer robot kontrol eden modellerin, robotları kontrol eden insanların ve RoboCat’ın kendisinin önceki yinelemelerinin bir kombinasyonundan geldiğini söylüyor.

DeepMind’deki araştırmacılar, RoboCat’i eğitmek için önce bir insan tarafından kontrol edilen robotik bir kol kullanarak bir görevin veya robotun 100 ila 1000 gösterimini topladı. (Bir robot kolunun dişlileri veya blokları topladığını düşünün.) Ardından, görev üzerinde ortalama 10.000 kez pratik yapan özel bir “yan ürün” modeli yaratarak, görev üzerinde RoboCat’e ince ayar yaptılar.

Hem spin-off modelleri tarafından oluşturulan verilerden hem de gösteri verilerinden yararlanan araştırmacılar, RoboCat’in eğitim veri setini sürekli olarak büyüttüler ve RoboCat’in müteakip yeni sürümlerini eğittiler.

RoboCat modelinin son versiyonu, hem simülasyonda hem de gerçek dünyada toplam 253 görev üzerinde eğitildi ve bu görevlerin 141 varyasyonu üzerinde kıyaslandı. DeepMind, birkaç saat içinde toplanan 1.000 insan kontrollü gösteriyi gözlemledikten sonra RoboCat’in farklı robotik kolları kullanmayı öğrendiğini iddia ediyor.

RoboCat, iki çatallı kollu dört tür robot üzerinde eğitilirken, model, üç parmaklı bir kıskaç ve iki kat daha fazla kontrol edilebilir girdi içeren daha karmaşık bir kola uyum sağlayabildi.

RoboCat, robot kontrollü yapay zeka modellerinin hepsinden önemlisi olarak müjdelenmesin diye, görevler genelindeki başarı oranı, DeepMind’in testlerinde büyük ölçüde değişiyordu – düşük uçta %13’ten yüksek uçta %99’a. Bu, eğitim verilerindeki 1.000 gösterimle; Başarılar tahmin edilebileceği gibi yarı yarıya daha az yaygındı.

Yine de bazı senaryolarda DeepMind, RoboCat’in 100 kadar az gösterimle yeni görevleri öğrenebildiğini iddia ediyor.

Daha da ileri götürüldüğünde Lee, RoboCat’in robot bilimindeki yeni görevleri çözmek için engelin düşürüleceğinin habercisi olabileceğine inanıyor.

“Yeni bir görev için sınırlı sayıda gösterim sağlanan RoboCat, yeni görevlere göre ince ayar yapılabilir ve daha da geliştirmek için kendi kendine daha fazla veri üretebilir” diye ekledi.

İleriye dönük olarak, araştırma ekibi, RoboCat’e yeni bir görevi tamamlamayı öğretmek için gereken gösteri sayısını 10’un altına indirmeyi hedefliyor.

  • Site İçi Yorumlar

En az 10 karakter gerekli