Google Deepmind’ın RobotCat’i birçok robotik kolu kontrol edebilir ve kendi ürettiği verilerle sürekli olarak gelişmektedir.
RobotCat, birden fazla robotik kolda çeşitli görevleri öğrenen ve kendini geliştirmek için otonom olarak yeni eğitim verileri oluşturan, robotik için kendi kendini geliştiren bir AI aracısıdır. Bunu yaparken ekip, robot bilimindeki önemli bir sorunu ele almayı hedefliyor: AI’daki ilerlemeler genel amaçlı robotlara yol açabilir, ancak gerekli gerçek dünya verilerini toplamak uzun zaman aldığından geliştirme yavaştır.
Robotic Transformer 1 ve PaLM-SayCan gibi projelerle Google, AI’nın diğer alanlarındaki deneyimini de robot bilimine uygulamaya çalışıyor. Bununla birlikte, Google Deepmind’e göre RoboCat, birden çok görevi çözebilen ve farklı gerçek dünya robotlarına uyum sağlayabilen ilk AI aracısıdır.
Google Deepmind RobotCat, Deepmind’in Gato’suna dayanmaktadır
RoboCat ayrıca diğer modellerden çok daha hızlı öğrenir: AI aracısı, 100 ila 1.000 gösterimde yeni görevleri öğrenebilir; diğer modeller bu tür sayılar için RobotCat’in başarı oranını yakalayamaz.
reklam
Ekip, “Bu yetenek, insan denetimli eğitime olan ihtiyacı azalttığı ve genel amaçlı bir robot yaratma yolunda önemli bir adım olduğu için robot araştırmalarını hızlandırmaya yardımcı olacak” dedi.
RoboCat, hem simüle edilmiş hem de gerçek dünya ortamlarında dili, görüntüleri ve eylemleri işleyebilen Deepmind’in Gato’suna dayanmaktadır. Ekip, Gato’da bazı ayarlamalar yaptı ve modeli, yüzlerce görev gerçekleştiren farklı robotik kollardan alınan görüntü ve eylem dizilerinden oluşan geniş bir eğitim veri kümesi kullanarak eğitti.
Bu eğitimden sonra, RoboCat’in kendini geliştirme aşaması başlar ve bu aşamada sistem daha önce bilinmeyen görevleri yapmayı öğrenir. Eğitim beş aşamada gerçekleşir:
- Bir insan tarafından kontrol edilen robotik kollu yeni bir görev veya robotun 100 ila 1000 gösterimini toplamak.
- RoboCat’i yeni göreve/kola göre ince ayar yaparak özel bir yan kuruluş aracı oluşturun.
- Yan kuruluş temsilcisi, yeni görevi/kolu ortalama 10.000 kez uygulayarak daha fazla eğitim verisi üretir.
- Gösterim verileri ve kendi kendine oluşturulan veriler, mevcut RoboCat eğitim veri setine entegre edilmiştir.
- Daha sonra RoboCat’in yeni bir sürümü, yeni eğitim veri seti kullanılarak eğitilir.
RoboCat’in öğrenme yeteneği deneyimle gelişir
RoboCat, tüm bu eğitim çabalarını birleştirerek, kendi ürettiği veriler de dahil olmak üzere gerçek ve simüle edilmiş robot kollarından milyonlarca yörüngeden oluşan bir veri kümesine sahiptir. Buna dayanarak RoboCat, farklı kavrayıcılarla bile yeni robot kollarını birkaç saat içinde kontrol etmeyi öğrenebilir ve RoboCat ne kadar çok şey öğrenirse, yapay zeka aracısı sonraki görevleri o kadar iyi öğrenebilir. Örneğin, RoboCat’in 500 örnek içeren ilk sürümü, yeni görevleri zamanın yalnızca yüzde 36’sında çözdü; önemli ölçüde daha fazla görev içeren mevcut son sürüm, başarı oranını iki katına çıkardı.
Şirket, “Bu gelişmeler, insanların belirli bir alanda öğrenmelerini derinleştirdikçe daha çeşitli beceriler geliştirmelerine benzer şekilde, RoboCat’in artan deneyiminden kaynaklanıyordu” dedi. “RoboCat’in, özellikle farklı robotik cihazlara uygulandığında, becerileri bağımsız olarak öğrenme ve hızla kendini geliştirme yeteneği, yeni nesil daha yararlı, genel amaçlı robotik ajanlara giden yolu açmaya yardımcı olacaktır.”
Öneri
Daha fazla bilgi için bakınız Google Deepmind’ın RoboCat blog gönderisi.