Root NationНовиниНовини ITDeepMind представила ШІ, що самовдосконалюється - RoboCat

DeepMind представила ШІ, що самовдосконалюється – RoboCat

-

Сучасні роботи можуть виконувати різноманітні завдання, якщо вони навчені на реальних даних. Але що, якби вони могли оминути цей етап? Це призвело б до того, що набагато більше роботів загального призначення розроблялися б швидше. DeepMind від Google представила модель штучного інтелекту, що самовдосконалюється, під назвою RoboCat, яка може стати ключем до машин, здатних самостійно генерувати нові навчальні дані для вдосконалення своєї техніки без надмірного втручання людини.

DeepMind представляє модель ШІ, що самовдосконалюється, під назвою RoboCat

Про це йдеться в блозі компанії, опублікованому у вівторок. “RoboCat навчається набагато швидше, ніж інші сучасні моделі. Він може впоратися з новим завданням за допомогою всього 100 демонстрацій, оскільки спирається на великий і різноманітний набір даних. Ця здатність допоможе прискорити дослідження в галузі робототехніки, оскільки зменшує потребу в навчанні під наглядом людини, і є важливим кроком на шляху до створення робота загального призначення”, – зазначають дослідники у своєму дописі.

Вони пояснюють, що нова модель базується на мультимодальній моделі DeepMind Gato (іспанською “кішка”, що пояснює назву). Ця модель може обробляти мову, зображення та дії як у симульованому, так і у фізичному середовищі. Дослідники використали архітектуру Gato, яка постачається з великим навчальним набором послідовностей зображень і дій різних маніпуляторів робота, що вирішують сотні різних завдань.

DeepMind представляє модель ШІ, що самовдосконалюється, під назвою RoboCat

Потім вони навчили RobotCat виконувати нові завдання. Різноманітне навчання навчило модель ШІ керувати різними роботизованими маніпуляторами протягом декількох годин. І RobotCat швидко адаптувався. Навіть попри те, що він не тренувався на маніпуляторах з двопальцевими маніпуляторами, він зміг адаптуватися до складнішого маніпулятора з трипальцевим маніпулятором і вдвічі більшою кількістю керованих вхідних сигналів.

Чим більше нових завдань він вивчав, тим краще він ставав у вивченні додаткових нових завдань. Ранні версії RoboCat були успішними лише у 36% випадків у виконанні раніше невідомих завдань. Однак остання і найдосконаліша версія RoboCat, яка тренувалася на більшому розмаїтті завдань, більш ніж удвічі збільшила цей показник успішності при виконанні тих самих завдань.

Читайте також:

Підписатися
Сповістити про
guest

0 Comments
Найновіше
Найстаріші Найбільше голосів
Зворотній зв'язок в режимі реального часу
Переглянути всі коментарі
Підписатися на оновлення