DeepMind, robotiğin üç yasasından da ilham alarak günlük hayata entegre olabilen robotların yaratılmasına yönelik bir dizi yenilik sunuyor. Isaac Asimov’un robot bilimi ilkeleri, yapay zeka ile donatılmış makinelerin güvenlik (birinci yasa), hizmet (ikinci yasa) ve kendini koruma (üçüncü yasa) ihtiyaçlarına saygı duyuyordu. Asimov’un yarattığı bilim kurgu evreninde, insanların davranışlarının ve insanlarla etkileşimlerinin temellerini temsil eden “üç yasa”.
Google Deep Mind robot ekibi, tam olarak bu üç yasadan (aynı zamanda) ilham alarak, dil modeline görevleri yerine getirmekten kaçınma talimatı veren bir dizi güvenlik odaklı öneri olarak tanımlanan bir tür “Robot Anayasası” oluşturmayı düşündü. Bu, insanların ve hayvanların güvenliğini tehlikeye atabilir. “Robot Anayasası”, DeepMind’ın resmi blogda sunduğu önemli teknolojik güncellemelerin yalnızca bir kısmı – belki de en anlamlı olanı -. Bunlar, kendilerine emanet edilen tüm faaliyetlerde hızlı, daha iyi ve daha güvenli kararlar almak için tipik olarak “insan” olan pratik hedefleri kodlayabilen robotların yaratılmasında temel bir parçayı temsil ediyor. Büyük yapay zeka modellerinden yararlanabilen, Büyük Dil Modellerini (LLM) ve Görsel Dil Modellerini (VLM) entegre edebilen AutoRT sistemi.
Bu sistem, yeni ortamlarda eğitim verilerini toplamak için kameralar ve aktüatörlerle donatılmış bir dizi robotu aynı anda konuşlandırabilen ve yönlendirebilen bir sistem oluşturur. Her robot, çevresini anlamak için bir VLM ve “masaya kahve koymak” gibi karmaşık görevlerin üstesinden gelmek için bir LLM kullanır.
Deney
Robotları sağlam güvenlik önlemleri alacak şekilde programlayan DeepMind, resmi iletişiminde şöyle yazıyor: “Robotlar günlük hayatımıza entegre edilmeden önce, gerçek dünyada güvenliklerini gösteren sağlam araştırmalarla sorumlu bir şekilde geliştirilmeleri gerekiyor.” Büyük imalat firmalarında kullanılan robotların eklemlerine uygulanan kuvvetin belirli bir değeri aşması durumunda otomatik olarak bloke edilmesi gibi. Ayrıca Google ekibi tarafından gerçekleştirilen deneyde, tüm robotlar, kapatma düğmesi bulunan bir insan süpervizörle görsel temas halinde tutuldu. Yedi ay boyunca araştırmacıların katıldığı ve sistemin bu konuda yetenekli olduğu kapsamlı bir deneyle kanıtlandı. Şirketin ofislerinde çeşitli senaryolarda aynı anda 20’ye kadar robot ve toplamda 52’ye kadar benzersiz robotun güvenli bir şekilde koordine edilmesi, 6600’ün üzerinde benzersiz görevde 77 bin robotik testten oluşan çeşitli bir veri kümesinin toplanması Deneylerde kullanılan robotlar insansı değil , ancak mobil bir tabana yerleştirilmiş robotik kollar. Sistem, her robot için çevredeki ortamı (VLM) anlamak için kamerayı kullanır ve ardından LLM’ler sayesinde robotun gerçekleştirebileceği uygun bir görev listesi önerir.
Google tarafından test edilen diğer teknolojiler
DeepMind ekibi tarafından sunulan ikinci yenilik, Google’ın en son robotik kontrol sistemlerinde kullandığı mevcut Robotik Transformer modellerini daha verimli hale getiren Robotik Transformatörler için Kendinden Uyarlanabilir Sağlam Dikkat veya SARA-RT olarak adlandırılmaktadır (doğrulukta 10 oranında artış, Hızda %6 ve %14 artış). SARA-RT ile DeepMind araştırmacıları, ikinci dereceden karmaşıklığı doğrusal karmaşıklığa dönüştürmeyi başaran ve aynı zamanda orijinal modelin hızını koruyan, aynı zamanda orijinal modelin hızını koruyan, “yukarı eğitim” adı verilen yeni bir ayarlama yöntemini kullanabildiler. aynı zamanda kalite. Son olarak DeepMind araştırmacıları, robotun hareketlerini ve eklentilerini eğitim videolarına açıklayan iki boyutlu görsel konturlar ekleyen bir model olan RT-Trajectory’yi sundu. Model, bir eğitim veri setindeki her bir videoyu alıyor ve bunun üzerine, örneğin bir tezgahı temizlerken robot kolunun yörüngesini yerleştiriyor. Bir insan için sezgisel bir aktivite, ancak bir robot bunu birçok farklı şekilde tercüme edebilir.
