Hvad du behøver at vide
- Google Research og Everyday Robots går sammen om at skabe en ny robotalgoritme PaLm-SayCan.
- Den nye indsats skal hjælpe robotter til bedre at forstå mennesker gennem sprog via stemme eller tekst.
- Virksomhederne bruger også "chain of thought prompting" til at hjælpe robotter med at forstå en opgave og værktøjerne til at fuldføre den.
Google Research og Everyday Robots har indgået partnerskaber for at hjælpe robotter med bedre at forstå og interagere med os gennem sprog.
Både Google Research og Everyday Robots har forenet kræfter for at skabe PaLm-SayCan, en fælles indsats, der bruger Googles Pathways Language Model (PaLm) og en Everyday Robots-hjælperobot.
siger Google denne indsats "er den første implementering, der bruger en storstilet sprogmodel til at planlægge en rigtig robot." Det nye projekt skal hjælpe folk kommunikerer bedre med robotter via stemme eller tekst og giver robotterne mulighed for at udføre komplekse opgaver med en bedre forståelse af Sprog.
Hvad angår sprogbrug, håber Google og Everyday Robots, at PaLm-SayCan-algoritmen kan hjælpe robotter med at få en mere naturlig interaktion med mennesker. Google indleder sin sprogforskning ved at sige, at menneskelige interaktioner, selv de simpleste, er ret komplekse. Virksomhederne håber, at robotter ved at bruge PaLm-sprogmodellen bedre kan fuldføre og forstå åbne prompter.
Ifølge forskningen så PaLm en forbedring på 14 % i at hjælpe en robot med at planlægge og nærme sig en opgave rimeligt i forhold til andre modeller. Der var også en forbedring på 13 % succesrate, når de udfører opgaver, og en forbedring på 26 % for robotter, når de fik en langvarig opgave at udføre, såsom dem, der omfatter otte trin eller mere.
Google fortsætter med at forklare, hvordan dens nye forskningsindsats hjælper robotter med at forstå vores verden. Brug af PaLm og "tankekæde tilskyndelse," bør en robot være i stand til at tage en prompt og skelne, hvad personen virkelig ønsker. Eksemplet er: "Bring mig en snack og noget at vaske det ned med." Ved at bruge tankekæden kan en robot forstå, hvad en passende snack kan være, og også at en person vil have noget at drikke, når de siger, "noget at vaske det ned med."
At jorde AI i den virkelige verden er noget, som Google Research siger er afgørende for dens udviklingsproces. Den håber at kunne bruge sprogmodellen og en robots egenskaber til at hjælpe den med at forstå, hvad der skal gøres for at fuldføre en opgave. Google forklarer, at PaLm vil foreslå mulige metoder til at udføre en opgave, og robotmodellen vil gøre det samme baseret på robottens muligheder. Det ideelle mål er, at begge arbejder sammen for at nå et mål på den bedst mulige måde.
Google pudser tingene af ved at nævne de sikkerhedsforanstaltninger, der er på plads for sine robotter, der bruger PaLm-SayCan. Algoritmen er begrænset til kommandoer, der holder robottens sikkerhed i tankerne og også holder tingene "meget fortolkelig." Google siger, at dette giver den mulighed for at undersøge og forstå enhver beslutning, robotten har lavet.
Selvom Google ikke har afsløret planer for sin egen forbrugerrobothjælper, ville det være fedt at se virksomheden bygge og lancere sin egen version af Amazons Astro robot.