GoogleのDeepMindがロボット技術の革新を遂げています

GoogleのDeepMindがロボット技術の革新を加速させる

“`html

グーグルのDeepmindと33の学術研究所の協力により、ロボットの世界は逆転するかもしれません。この取り組みの目標は、特定のタスク用の特定のデータセットの強いパラダイムからロボットの世界を解放することです。

彼らのブログによると、Open X-EmbodimentデータセットとRT-Xモデルが成功すれば、さまざまなロボットタイプにわたって学習し適応できる汎用ロボットが誕生する可能性があります。このプロジェクトの論文では、22のロボットを組み合わせてデータを集めるために、大勢の研究所が協力しました。

この大規模な取り組みでは、500以上のスキルと15万以上のタスクが1百万エピソードにわたってデモンストレーションされました。このデータセットは、これまでに存在する中で最も包括的かつ多様なロボットデータのコレクションとなっています。

• メタAI研究者が高度な長文脈LLMsを提案
• 「Amazon SageMaker Data Wranglerを使用して、Amazon Personalizeのデータを準備する」
• デコード Transformersを平易な英語で説明します

適切なハードウェアがなければ、ソフトウェアは動作するための容器がありません。それがRT-Xモデルが登場する理由です。このモデルは、Google DeepMindのロボットトランスフォーマーモデルRT-1とRT-2から生まれました。Open X-Embodimentデータセットで訓練され、さまざまなロボットエンボディメント上で卓越した性能を発揮します。

パートナーとなる大学での評価では、RT-1-Xは特定のタスクに特化したモデルよりも一貫して優れた性能を示し、平均的な改善率は50%です。これは、より柔軟で適応性のあるロボットの開発に向けた画期的な変革を示しています。

さらに、RT-Xの本当の魔法は、異なるロボットから知識を引き出すことで獲得する新しいスキルの能力にあります。RT-2-Xを使った実験では、以前はできなかったタスクの3倍の改善が見られます。

これには、より優れた空間理解も含まれ、”move apple near cloth”と”move apple on cloth”の命令の微妙な違いが見て取れます。RT-2-Xの拡張されたスキルセットは、異なるデータと組み合わせることによる共同訓練の巨大な潜在能力を示しています。

この取り組みが示すように、エンボディメント間で一般化できるモデルは可能であり、非常に有望です。自己向上機能の統合から、異なるデータセットの組み合わせがエンボディメント間の一般化に与える影響の探索まで、可能性は広がっています。これらの進歩により、ロボット工学は未知の領域に進んでいます。

しかし、このような進歩により、汎用ロボットの日は以前よりも近くなるかもしれません。そして、大量生産においてコスト効果が証明されれば、蒸気機関のように産業革命を起こすかもしれません。

グーグルDeepMindは、RT-Xに関する興味深いアニメーションも公開しています。以下でご覧いただけます。

“`

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!