Google DeepMind представила роботов нового поколения, способных сортировать белье и адаптироваться к сложным задачам
Киев • УНН
Google DeepMind представила новые модели Gemini Robotics 1.5 и Gemini Robotics-ER 1.5, позволяющие роботам выполнять многошаговые задачи. Роботы могут сортировать белье и перерабатывать мусор, а также адаптироваться к новым условиям.
Google DeepMind сделала очередной шаг в развитии искусственного интеллекта для робототехники, представив новые модели Gemini Robotics 1.5 и Gemini Robotics-ER 1.5. Разработки позволяют роботам лучше "думать" перед выполнением действий и впервые дают возможность выполнять многошаговые задачи, включая такие бытовые процессы, как сортировка белья или переработка мусора. Об этом сообщает Financial Times, пишет УНН.
Подробности
Старший директор и руководитель отдела робототехники Google DeepMind Каролина Парада подчеркнула, что компания переходит к качественно новому этапу.
Модели, использовавшиеся до сих пор, отлично справлялись с выполнением одной инструкции за раз. Сейчас мы переходим от выполнения одной инструкции к настоящему пониманию и решению проблем физических задач
В демонстрационных сценариях робот смог не только упаковать вещи в сумку по просьбе исследовательницы, но и самостоятельно добавил зонтик, узнав через онлайн-поиск, что в Лондоне в эти дни ожидается дождь. В другом случае машина сначала выяснила онлайн правила сортировки мусора в Сан-Франциско, а затем разложила отходы в соответствующие контейнеры.
Профессор прикладного искусственного интеллекта Оксфордского университета Ингмар Познер отметил, что масштабное интернет-обучение открывает новые горизонты. В то же время профессор Анджело Канджелози из Манчестерского центра ИИ предупредил: "Это просто открытие закономерностей между пикселями, между изображениями, между словами, токенами и т.д. – то есть еще не настоящее мышление".
Отдельным прорывом стала технология "передача движения", которая позволяет переносить изученные навыки с одних типов роботов (например, роботизированных рук) на другие – гуманоидов. Это решает ключевую проблему нехватки качественных данных для обучения.
В отличие от больших языковых моделей, которые можно обучать на всем огромном интернете данных, робототехника была ограничена кропотливым процессом сбора реальных данных
Несмотря на достижения, компания признает, что впереди остаются вызовы: роботы должны стать более ловкими, безопасными и надежными, прежде чем их можно будет полноценно интегрировать в среду взаимодействия с людьми.