Co musisz wiedzieć
- Google Research i Everyday Robots łączą siły, by stworzyć nowy algorytm robotyki PaLm-SayCan.
- Nowe wysiłki powinny pomóc robotom w lepszym zrozumieniu ludzi poprzez język za pomocą głosu lub tekstu.
- Firmy stosują również „podpowiadanie w łańcuchu myśli”, aby pomóc robotom zrozumieć zadanie i narzędzia do jego wykonania.
Google Research i Everyday Robots nawiązały współpracę, aby pomóc robotom lepiej rozumieć nas i wchodzić z nami w interakcje za pomocą języka.
Zarówno Google Research, jak i Everyday Robots połączyły siły, by tworzyć PaLm-SayCan, wspólny wysiłek wykorzystujący model języka Pathways (PaLm) Google i robota pomocniczego Everyday Robots.
Google mówi ten wysiłek „jest pierwszą implementacją, która wykorzystuje wielkoskalowy model językowy do planowania prawdziwego robota”. Nowy projekt powinien pomóc ludzie lepiej komunikują się z robotami za pomocą głosu lub tekstu i pozwalają robotom wykonywać złożone zadania z lepszym zrozumieniem język.
Jeśli chodzi o użycie języka, Google i Everyday Robots mają nadzieję, że algorytm PaLm-SayCan pomoże robotom uzyskać bardziej naturalną interakcję z ludźmi. Google poprzedza swoje badania językowe stwierdzeniem, że interakcje międzyludzkie, nawet te najprostsze, są dość złożone. Firmy mają nadzieję, że dzięki modelowi językowemu PaLm roboty będą mogły lepiej wypełniać i rozumieć otwarte podpowiedzi.
Według badań PaLm odnotował 14% poprawę w pomaganiu robotowi w planowaniu i rozsądnym podejściu do zadania w porównaniu z innymi modelami. Zaobserwowano również 13% poprawę wskaźnika sukcesu podczas wykonywania zadań i 26% poprawę w przypadku robotów, gdy miały do wykonania długie zadania, takie jak te, które obejmują osiem lub więcej kroków.
Google nadal wyjaśnia, w jaki sposób nowe wysiłki badawcze pomagają robotom zrozumieć nasz świat. Korzystanie z PaLm i „podpowiadający ciąg myśli”, robot powinien być w stanie przyjąć podpowiedź i rozpoznać, czego naprawdę chce dana osoba. Podany przykład brzmi: „Przynieś mi przekąskę i coś do popicia”. Korzystając z podpowiedzi łańcucha myślowego, robot może zrozumieć, jaka może być odpowiednia przekąska, a także, że osoba chce czegoś do picia, kiedy mówi „coś do popicia”. z."
Ugruntowanie sztucznej inteligencji w prawdziwym świecie jest czymś, co według Google Research ma kluczowe znaczenie dla procesu rozwoju. Ma nadzieję, że wykorzysta model językowy i możliwości robota, aby pomóc mu zrozumieć, co należy zrobić, aby wykonać zadanie. Google wyjaśnia, że PaLm zasugeruje możliwe metody wykonania zadania, a model robota zrobi to samo w oparciu o możliwości robota. Idealnym celem jest wspólna praca obu stron, aby osiągnąć cel w najlepszy możliwy sposób.
Google dopracowuje rzeczy, wspominając o środkach bezpieczeństwa stosowanych dla swoich robotów za pomocą PaLm-SayCan. Algorytm ogranicza się do poleceń, które mają na uwadze bezpieczeństwo robota, a także pilnują rzeczy „wysoce interpretowalny”. Google twierdzi, że pozwala to zbadać i zrozumieć każdą decyzję robota zrobił.
Chociaż Google nie ujawniło planów dotyczących własnego pomocnika robota konsumenckiego, fajnie byłoby zobaczyć, jak firma buduje i uruchamia własną wersję Amazona Robot astronomiczny.