Minggu, 7 Januari 2024 – 18:07 WIB
Jakarta – Para peneliti robotik Google’s DeepMind sedang menjelajahi potensi ruang ini.
Baca Juga :
Viral Video Jarwo Kwat Peluk dan Cubit Chatheez Menuai Beragam Reaksi
Dalam sebuah pos blog, tim ini menyoroti penelitian yang sedang berlangsung yang bertujuan untuk memberikan pemahaman yang lebih baik kepada robot tentang apa yang tepatnya kita inginkan dari mereka sebagai manusia.
Secara tradisional, robot biasanya fokus pada melakukan tugas tunggal secara berulang selama masa hidup mereka. Robot dengan tujuan tunggal cenderung sangat baik dalam hal itu, tetapi mereka juga mengalami kesulitan ketika perubahan atau kesalahan secara tidak sengaja terjadi dalam proses.
Baca Juga :
Data Lebih Cocok Dikategorikan sebagai Nutrisi
AutoRT yang baru diumumkan dirancang untuk menggunakan model-model dasar yang besar untuk beberapa tujuan yang berbeda. Dalam contoh standar yang diberikan oleh tim DeepMind, sistem ini dimulai dengan memanfaatkan model bahasa visual (VLM) untuk kesadaran situasional yang lebih baik.
AutoRT mampu mengelola beberapa robot yang bekerja secara bersamaan dan dilengkapi dengan kamera untuk mendapatkan tata letak lingkungan dan objek di dalamnya.
Baca Juga :
Instagram, TikTok, YouTube Raup Cuan Kakap dari Pengguna di Bawah Umur
Sementara itu, model bahasa besar (LLM) menyarankan tugas-tugas yang dapat diselesaikan oleh perangkat keras, termasuk end effector-nya.
LLM dipahami oleh banyak orang sebagai kunci untuk membuka robotika yang efektif dalam memahami perintah bahasa alami yang lebih banyak, sehingga mengurangi kebutuhan akan keterampilan pemrograman yang sulit.
Sistem ini telah diuji coba cukup banyak selama tujuh bulan terakhir. AutoRT mampu mengatur hingga 20 robot sekaligus dan total 52 perangkat yang berbeda. Secara keseluruhan, DeepMind telah mengumpulkan sekitar 77.000 percobaan, termasuk lebih dari 6.000 tugas.
Juga yang baru dari tim ini adalah RT-Trajectory, yang memanfaatkan input video untuk pembelajaran robotik. Banyak tim sedang menjelajahi penggunaan video YouTube sebagai metode untuk melatih robot secara massal, tetapi RT-Trajectory menambahkan lapisan menarik, yaitu menampilkan gambar sketsa dua dimensi dari gerakan lengan di atas video.
\”Trajectory ini, dalam bentuk gambar RGB, memberikan petunjuk visual praktis yang rendah kepada model saat ia belajar kebijakan pengendalian robotnya,\” kata tim tersebut.
DeepMind mengatakan bahwa pelatihan ini memiliki tingkat keberhasilan dua kali lipat dari pelatihan RT-2 mereka, yaitu 63% dibandingkan dengan 29%, saat menguji 41 tugas.
\”RT-Trajectory memanfaatkan informasi gerakan robotik yang kaya yang ada dalam semua set data robot, tetapi saat ini belum digunakan secara optimal,\” kata tim tersebut.
\”RT-Trajectory tidak hanya merupakan langkah lain dalam perjalanan membangun robot yang mampu bergerak dengan akurasi efisien dalam situasi baru, tetapi juga membuka pengetahuan dari set data yang ada,\” demikian tim tersebut menyimpulkan.
Halaman Selanjutnya
Sistem ini telah diuji coba cukup banyak selama tujuh bulan terakhir. AutoRT mampu mengatur hingga 20 robot sekaligus dan total 52 perangkat yang berbeda. Secara keseluruhan, DeepMind telah mengumpulkan sekitar 77.000 percobaan, termasuk lebih dari 6.000 tugas.